Black-Litterman模型的参数优化及其在行业资产配置中的应用

发布时间：2021-03-01 06:26

　　针对Black-Litterman模型中投资者观点的量化问题,运用梯度提升回归树（gradient boosting regression tree,GBRT）算法对收益率进行预测,将预测值作为观点收益的替代变量,算法迭代收敛时的均方误差作为观点误差。采用上证380的10个行业指数数据检验文中提出的参数优化方法的有效性及合理性。结果表明,结合GBRT算法的Black-Litterman模型的投资绩效优于市场策略和Markowitz模型。 

【文章来源】：中国科技论文. 2018,13(17)北大核心

【文章页数】：7 页

【文章目录】：
1 Black-Litterman模型
2 梯度提升回归树
    2.1 提升回归树算法
    2.2 梯度提升算法
3 实证分析
    3.1 数据选取和预处理
    3.2 Black-Litterman模型的参数设定
    3.3 资产配置绩效分析
4 结语



本文编号：3057084