Black-Litterman 模型
我用簡單＋完整的方式回答你，分成三部分：模型概念、為什麼要提出、實務應用。
1. 模型概念
Black–Litterman 模型是由 Fischer Black 與 Robert Litterman 在高盛（Goldman Sachs）提出的資產配置模型，主要用來改進 均值–變異數（Mean–Variance, MPT） 投資組合理論。
它的核心是：
\[
\text{最終預期報酬} = \text{市場均衡預期報酬} \;+\; \text{投資人觀點的調整}
\]
- 市場均衡預期報酬：假設市場在均衡狀態下，由市場權重反推出每個資產的隱含報酬率（Reverse Optimization）。
- 投資人觀點：投資人對特定資產或資產組合的看法（方向與信心程度），以機率方式表達。
- 融合機制：用貝葉斯方法將市場均衡與觀點融合，得到新的預期報酬，再代入 MPT 計算權重。
2. 為什麼要提出（要解決的問題）
傳統 MPT 在實務上有兩個大痛點：
-
輸入敏感性極高
- MPT 需要輸入每個資產的「預期報酬率」，但這個數值很難精確預測，且稍微改動就會大幅改變最終權重，導致不穩定的投資組合。
-
難以結合主觀觀點與市場資訊
- 如果單純用自己預測的報酬，結果容易與市場價格背離太多；
- 如果完全跟隨市場權重（如全球市值加權），則無法表達自己的研究判斷。
Black–Litterman 模型透過：
- 先以市場組合權重反推出「隱含報酬率」作為中立起點
- 再用貝葉斯更新加入投資人觀點（可設定信心程度） 解決了 輸入敏感 與 無法平衡市場與主觀看法 的問題。
3. 實務上怎麼使用
流程
- 取得市場均衡組合權重（例如全球市值加權指數的權重）
-
反推均衡報酬率（Reverse Optimization）
- 根據協方差矩陣與風險偏好，從市場權重計算出隱含的均衡報酬。
-
輸入投資人觀點
- 觀點可以是絕對（資產 A 預期報酬 6%）或相對（資產 A 比資產 B 高 2%）
- 為每個觀點設定「信心程度」（反映不確定性）
-
融合報酬率
- 用貝葉斯公式將市場均衡報酬與觀點融合
-
套回均值–變異數模型
- 用融合後的報酬率與協方差矩陣計算新的投資組合權重
應用場景
- 機構投資人資產配置：將市場基準與主觀研究結果結合，避免組合過度極端。
- 多資產基金管理：在股票、債券、大宗商品等多類資產間分配權重時，平衡「被動指數配置」與「主動判斷」。
- 風險控制：透過觀點的信心參數調整，使組合不會因錯誤預測而大幅偏離市場。
💡 簡單一句話：
Black–Litterman 模型是讓你在「市場基準」和「自己看法」之間找到數學上最平衡的資產配置方法，同時降低輸入假設不穩定造成的組合劇烈變動。