最近不少留學(xué)生看到第27章《積極性投資組合管理理論》的時候，即使看了兩遍，但感覺還是有不少看不太懂的，那么今天我們專業(yè)的輔導(dǎo)老師就來為大家詳細解析一下這一章。

所謂積極型投資組合是相對于被動投資組合而言的，即組合并非市場組合。那怎么決定應(yīng)該把什么樣的資產(chǎn)納入組合獲得α呢？大概的意思就是組合管理人可以挑出自己認為有超額收益的標(biāo)的（比如某些股票）放進組合，是怎么放，放多少，是特雷納.布萊克模型嘗試解答的。

就特雷納-布萊克模型（后續(xù)簡稱TB模型）的應(yīng)用，書中給了幾個階段性的解析：

首先假設(shè)用歷史的α來看，會發(fā)現(xiàn)對業(yè)績的改善小的可憐

然后假設(shè)用分析師的α來看，會發(fā)現(xiàn)分析師對α的預(yù)測和歷史沒多少相關(guān)性，且差異巨大，此時會得到極端的配比，比如賣空4倍標(biāo)準(zhǔn)普爾500指數(shù)，超配主動組合。顯然這種方式應(yīng)用性存在問題。

然后為了讓TB模型具有實操性，書中提出了可以限制空頭，即禁止賣空，此時看起來就得到了一個一定優(yōu)化后的資產(chǎn)配置，但這種方式還存在問題，因為有可能主動挑選的組合占比太高，而如果主動挑選組合的分散化不夠，會導(dǎo)致整個組合的分散化不夠。

然后書中提到了很多組合都會有一個對比基準(zhǔn)，比如以滬深300作為基準(zhǔn)，對自己組合的表現(xiàn)，希望不要偏差基準(zhǔn)太多（我個人覺得這樣的好處是方便組合管理人解釋，比如萬一跌了，還可以說，你看大盤都跌了，我跌也正常），那么可以自己定義一個自己心理接受的偏差范圍，用這個偏差范圍做約束，來進一步確定主動性組合的占比問題

為了提高預(yù)測準(zhǔn)確度，這里是指α，還可以去看分析師歷史預(yù)測的準(zhǔn)確度，以及當(dāng)有新的預(yù)測時，用新的替換舊的，從而提高配比的精確度。

下面開始講布萊克-利特曼模型后續(xù)簡稱（BL模型），BL模型有助于組合管理人能夠把自己的預(yù)測進行量化并應(yīng)用在組合配置中。

業(yè)界相對會被普遍認為歷史的風(fēng)險在反映未來的風(fēng)險上，會比歷史收益反映未來收益上更佳，而常規(guī)的馬科維茨模型需要有每個資產(chǎn)的收益預(yù)測，加上協(xié)方差矩陣，進而得出配比。如果拿市場已有的配比、已有的風(fēng)險水平，通過對馬克維茨模型做反向，是可以得出市場對各項資產(chǎn)的收益預(yù)測的。因此通過市場，反向得出收益預(yù)測（此時的風(fēng)險偏好是市場整體的風(fēng)險偏好）。

此時，再根據(jù)投資者的風(fēng)險偏好，以反向馬科維茨模型的出來的收益預(yù)測，再做正向的馬科維茨模型，從而可以得出和風(fēng)險匹配的資產(chǎn)配置建議。

如果認為市場是有效的，這樣就可以了。但是如果你自己還有觀點，想微調(diào)，那么會遇到一些問題，即有可能你對某一項資產(chǎn)的收益做了一些調(diào)整，就會導(dǎo)致資產(chǎn)配比發(fā)生巨幅變化，即資產(chǎn)配置對資產(chǎn)收益的調(diào)整非常敏感。以及當(dāng)有多項觀點時，怎么做配置就變成一個近似不可能完成的任務(wù)了。

BL模型給出了解決方案，給了一個巧妙的數(shù)學(xué)公式，能讓你把自己的觀點代入到數(shù)學(xué)公式，同時給了一個神奇的參數(shù)τ，這一部分是留給資產(chǎn)配置管理者來應(yīng)用的。

好了，以上就是今天留學(xué)生輔導(dǎo)小課堂的全部內(nèi)容啦，大家如果還有其他問題也可以向我們咨詢哦~