Latent Variable Estimation in Bayesian Black-Litterman Models
创建于 更新于
摘要
本报告提出了一种基于贝叶斯网络的Black-Litterman模型重构方法，将传统依赖主观投资者观点的预期收益和不确定性参数视为潜变量，结合资产特征数据进行统一推断。该模型提供两种特征影响机理（共享潜变量参数化和特征驱动观点），并在30年道琼斯指数和20年行业ETF实证中，实现Sharpe比率提高近50%，交易周转率降低55%。此框架实现了无主观依赖、数据驱动且融合特征的投资组合优化，拓展了Black-Litterman模型的理论与实用边界 [page::0][page::2][page::9][page::16][page::17][page::19]
