Inverse Optimization: A New Perspective on the Black-Litterman Model.
Inverse Optimization: A New Perspective on the Black-Litterman Model.
复制标题
DOI：
10.1287/opre.1120.1115
复制
发表时间：
2012-12-11
影响因子：
2.7
通讯作者：
Paschalidis IC
中科院分区：
文献类型：
--
作者：
Bertsimas D;Gupta V;Paschalidis IC
布莱克-利特曼(Black-Litterman，简称BL)模型是金融行业广泛使用的资产配置模型。在本文中，我们提供了一个新的视角。关键的洞察力是用逆优化的思想取代原始方法中的统计框架。这一洞察力使我们能够显著扩展BL模型的范围和适用性。我们提供了一个更丰富的公式，与原始模型不同，它足够灵活，可以纳入关于波动性和市场动态的投资者信息。同样重要的是，我们的方法允许我们超越原始模型的传统均值-方差范式，并为更一般的风险概念构建“BL”型估计量，如一致性风险度量。在计算上，我们引入并研究了两个新的“BL型”估计量及其相应的投资组合：均值方差逆优化(MV-IO)组合和稳健均值方差逆优化(RMV-IO)组合。这两种方法的动机来自套利定价理论和波动率不确定性。通过数值模拟和历史回溯检验，我们发现这两种方法往往比BL方法表现出更好的风险-回报权衡，并且对不正确的投资者观点更稳健。
The Black-Litterman (BL) model is a widely used asset allocation model in the financial industry. In this paper, we provide a new perspective. The key insight is to replace the statistical framework in the original approach with ideas from inverse optimization. This insight allows us to significantly expand the scope and applicability of the BL model. We provide a richer formulation that, unlike the original model, is flexible enough to incorporate investor information on volatility and market dynamics. Equally importantly, our approach allows us to move beyond the traditional mean-variance paradigm of the original model and construct “BL”-type estimators for more general notions of risk such as coherent risk measures. Computationally, we introduce and study two new “BL”-type estimators and their corresponding portfolios: a Mean Variance Inverse Optimization (MV-IO) portfolio and a Robust Mean Variance Inverse Optimization (RMV-IO) portfolio. These two approaches are motivated by ideas from arbitrage pricing theory and volatility uncertainty. Using numerical simulation and historical backtesting, we show that both methods often demonstrate a better risk-reward tradeoff than their BL counterparts and are more robust to incorrect investor views.
登录
查看更多内容
影响因子：
2.7
作者：
Ahuja, RK;Orlin, JB
通讯作者：
Orlin, JB
影响因子：
1.9
作者：
Bertsimas, D;Lauprete, GJ;Samarov, A
通讯作者：
Samarov, A
影响因子：
2.5
作者：
Herold, Ulf
通讯作者：
Herold, Ulf
影响因子：
1.3
作者：
Giacometti, Rosella;Bertocchi, Marida;Fabozzi, Frank J.
通讯作者：
Fabozzi, Frank J.
影响因子：
1.4
作者：
Martellini, Lionel;Ziemann, Volker
通讯作者：
Ziemann, Volker