实验五Black-Litterman模型

《实验五Black-Litterman模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、实验五Black-Litterman模型5.1实验概述本实验主要介绍Black-Litterman模型（简称BL模型）的核心思想，以及模型求解过程。基于以上理论，通过运用R软件来实现BL模型的求解，最终得到最优投资组合。5.2实验目的（1）理解Black-Litterman模型，并会求解BL模型；（2）会调用R软件适用BL模型专用的BLCOP包；5.3实验工具国泰安CSMAR数据库，Wind资讯金融终端，R软件5.4理论要点Black和Litterman提出了改进的模型，Black-Litterman模型（简称BL模型）的核心思想是

2、，将投资者对大类资产的观点（主观观点）与市场均衡收益（先验预期收益）相结合，从而形成新的预期收益率（后验预期收益率）。BL模型的求解过程。现在有N种资产，其收益率为RRR,,...,R，BL模型中假12N设R服从联合正态分布，即RN(,)，其中和为各资产预期收益率的期望值和协方差的估计值。现在假设估计向量本身也是随机的，并且服从正态分布N(,)其中，为先验分布预期收益率的期望值，在后文解析。BL模型中比较具有特色的部分，是允许考虑投资者个人观点，处理的方式是用各资产收益率的线性方程组来代表主观观点，比如一

3、条观点可以用式子表达：pp...pqi11i22iNNii22其中，为这条观点的误差项，Nq(,)，受投资者对此条观点的信心水平影响。iiii投资者总体观点可以用PNq(,)来表达，其中P（PickMatrix）为KN矩阵，即对N个资产有K个观点；q为看法向量（K1列向量）；为看法向量Q的误差项的协方差矩阵，表示投资者的观点与真实情况有所差别，为KK的对角矩阵，受信心水平向量CL（K1列向量）影响。求解步骤如下：1.使用历史数据估计预期收益率的协方差矩阵；2.确定市场预期的收益率向量

4、（N1列向量），也就是先验预期收益的期望值；3.融合投资者的个人观点，即确定Pq,,；4.修正后验收益，即对后验预期收益的期望值和方差进行计算；5.投资组合优化，即计算出各资产的投资比例。5.5实验内容我们延续Markowitz模型的5只股票资产分配的例子，此处要加上投资者的个人观点进行分析。首先根据历史数据构建先验分布。#加实验五所需的载包library(BLCOP)library(xts)library(fPortfolio)library(Rsymphony)sh_return<-read.csv("ret.csv",he

5、ader=TRUE)sh_return<-xts(sh_return[,-1],order.by=as.Date(sh_return[,1]))sh_return<-na.omit(sh_return)head(sh_return)X600000X600016X600018X600028X6000482009-01-050.0354720.0196560.0362540.0242170.0694442009-01-060.0553940.0289160.0233240.0305980.0318182009-01-07-0.01312

6、2-0.0163930.008547-0.021592-0.0075522009-01-08-0.044787-0.021429-0.042373-0.0151720.0272672009-01-090.0322340.0097320.0088500.0000000.0061732009-01-120.0149040.0000000.023392-0.007003-0.018405#用收益均值及其方差矩阵来描述先验分布prior_mean<-colMeans(sh_return)#求收益率均值prior_meanX600000X60

7、0016X600018X600028X6000480.00060045020.00094183460.00079402510.00013683980.0006883108prior_cov_matrix<-cov(sh_return)#求协方差矩阵prior_cov_matrixX600000X600016X600018X600028X600048X6000000.00045421680.00035233540.00022645500.00022072780.0003192595X6000160.00035233540.000398

8、16210.00017437350.00018750270.0002892829X6000180.00022645500.00017437350.00051980680.00016998200.0002179150X6000280.0