INTEGRATING LLM-GENERATED VIEWS INTO MEAN-VARIANCE OPTIMIZATION USING THE BLACK-LITTERMAN MODEL
创建于 更新于
摘要
本报告提出将大型语言模型（LLM）生成的视角融入Black-Litterman资产配置框架，通过对标S&P 500成分股的历史数据和公司元数据，预测股票预期收益并量化预测不确定性，进而优化投资组合。实证回测显示，基于LLM视角的组合优化明显优于传统均值方差模型，且不同LLM在预测乐观程度与置信稳定性上存在差异，影响组合表现，为自动化动态生成投资者视角提供了新思路 [page::0][page::1][page::4].
