BL 模型的泛化扩展：熵池模型之理论篇
创建于 更新于
摘要
本报告系统介绍了由KKR前首席风险官Attilio Meucci提出的熵池（Entropy Pooling，EP）模型，重点阐述其相较Black-Litterman模型（BL模型）在观点融合的泛化能力及调整精度上的理论优势。熵池模型可处理任意分布与多样化观点形式（线性及非线性、等式与不等式约束），并通过相对熵最小化原则避免不必要的结构假设，实现观点的全局概率调整。报告展示了熵池模型在资产配置中的应用实例，证明其能更准确地利用预测信号提升策略年化收益和夏普比率，并分析了观点信心水平的直观加权机制及模型数值求解优势。最后对熵池模型未来在压力测试、因子择时、衍生品定价等领域进行展望 [page::0][page::5][page::9][page::16][page::18]
