Black-Litterman 模型 - 無法從隱含收益中獲得正確的隱含權重
我正在使用 Excel 2016 分析 2012 年 6 月的 ASX200。在 ASX200 指數中，我發現 136 隻股票具有 5 年的月度股票收盤價數據（2007 年 7 月 1 日至 2012 年 6 月 30 日）。我生成了月收益、COVAR 矩陣和年化 COVAR 矩陣。
我不明白為什麼我無法從 BL 生成的 136 隻股票的隱含收益中獲得 BL 生成的隱含權重。BL 生成的隱含權重應等於調整後的市場權重，因為後者用作輸入。BL 生成的隱含權重包括 (+_) 數百%，這是無效的。
相同過程的應用以前在 34 種股票上工作了另一個時期。
BL 生成的隱含收益方程：
=（MMULT（COVAARM2，轉置（D3：EI3））*（D144-D145）/MMULT（D3：EI3，MMULT（COVARM2，轉置（D3：EI3）））+ D145
哪裡：一個。COVARM2 是年化 COVAR 矩陣 b。D3:EI3 是調整後的市場權重加上 100% c。D144 是基準回報 d。D145 是射頻速率
BL 生成的隱含權重方程： = MMULT(MINVERSE(COVARM2),F149:F284-D145)/SUM(MMULT(MINVERSE(COVARM2),F149:F284-D145)) 其中：F149:F284 是隱含回報
一個可能的解釋是從 2007 年 7 月 1 日至 2012 年 6 月 30 日的 5 年月度數據，該期間包括嚴重的市場不穩定。COVAR 矩陣可能不正確，因為上述時期的市場不是均衡狀態。如果您以前遇到過此問題、可能的解決方案和/或我是否犯了錯誤，請告訴我。如果您可以更輕鬆地查看我的查詢，我可以將電子表格發送給您。提前感謝您的時間。
這是在 Python 中計算 BL 的一個很好的資源，我個人發現 Excel 不適合這種事情。
此外，在計算 Cov 矩陣的逆時，您可能偶爾會遇到矩陣不可逆的問題，因為它不是半正定的，在這種情況下，Moore-Penrose 偽逆是一個不錯的選擇。
感謝您的及時回复。
一個 139x139 COVAR 矩陣需要至少 139 行返回值。三年的每週回報數據已經解決了這個問題。
完全同意您的看法，即 2007-2012 年期間的劇烈波動對年化標準偏差產生了不利影響。我知道使用 5 年月度收益數據或 2 年周收益數據進行 BL 分析是常見的做法。由於劇烈波動會對 Stdev 產生不利影響，我想知道專業人士是否使用工具來調整/標準化觀察到的 Stdev 或按原樣使用並及時應用 CML 和 Efficient Frontier 作為快照，直到下一個重新平衡/簽入點。