Теория Марковица на стероидах: модель Блэка-Литтермана и байесовское распределение активов

Отправной точкой математической конструкции является парадигма "обратной оптимизации" (Reverse Optimization). Вместо того чтобы предсказывать доходности и искать веса (как у Марковица), Блэк и Литтерман предлагают взять текущие рыночные веса активов (из глобального рыночного индекса, такого как MSCI World) и вычислить "вмененные равновесные доходности" (Implied Equilibrium Returns), при которых рынок находился бы в состоянии равновесия CAPM. Математически этот вектор вмененных доходностей вычисляется как $Pi = delta Sigma w_{mkt}$, где $delta$ — коэффициент неприятия риска рынком, $Sigma$ — ковариационная матрица активов, а $w_{mkt}$ — вектор капитализаций. Это служит сверхнадежной априорной оценкой (Prior) в байесовском выводе.

Вторым компонентом модели являются Взгляды инвестора (Investor Views). Взгляды могут быть как абсолютными ("Я считаю, что японские акции вырастут на 5%"), так и относительными ("Я считаю, что IT-сектор обгонит энергетику на 3%"). Математически эти взгляды формализуются в виде матричного уравнения $P mu = Q + epsilon$, где матрица $P$ кодирует структуру взглядов (веса активов во взгляде), вектор $Q$ — их ожидаемую доходность, а вектор $epsilon sim N(0, Omega)$ описывает неуверенность инвестора в своих прогнозах. Диагональная матрица $Omega$ — это уровень дисперсии (шума) взглядов: чем выше уверенность аналитика, тем ближе к нулю элементы матрицы $Omega$.

Третий и решающий этап — применение теоремы Байеса. Модель вычисляет Апостериорное распределение ожидаемых доходностей (Posterior Distribution), которое математически объединяет рыночный консенсус $Pi$ и взгляды инвестора $Q$. Формула апостериорного математического ожидания имеет вид: $mu^* = [( au Sigma)^{-1} + P^T Omega^{-1} P]^{-1} [( au Sigma)^{-1} Pi + P^T Omega^{-1} Q]$. Скаляр $ au$ определяет степень доверия к рыночному равновесию относительно матрицы исторических ковариаций $Sigma$. Если инвестор абсолютно не уверен в своих взглядах ($Omega o infty$), то апостериорные доходности $mu^*$ сходятся к равновесным $Pi$, и инвестор просто покупает рыночный индекс. Если взгляды обладают абсолютной точностью ($Omega o 0$), портфель агрессивно перестраивается под прогнозы.

Полученный вектор $mu^*$ и обновленная матрица ковариаций загружаются в классический оптимизатор Марковица. Благодаря сглаживающему эффекту байесовского вывода (shrinkage towards equilibrium), получаемые веса портфеля становятся математически робастными, логичными и диверсифицированными. Инвестор получает портфель, который является рыночным индексом, слегка "наклоненным" в сторону его личных убеждений. Сегодня фреймворк Блэка-Литтермана является золотым стандартом для подразделений Wealth Management и макро-хедж-фондов, позволяя алгоритмизировать фундаментальные макроэкономические прогнозы.

Список литературы:
1. Black F., Litterman R. Global Portfolio Optimization. — Financial Analysts Journal, 1992.
2. Idzorek T. A Step-by-Step Guide to the Black-Litterman Model. — Ibbotson Associates, 2005.
3. Meucci A. Risk and Asset Allocation. — Springer, 2005.
Эксперты: Фишер Блэк, Роберт Литтерман, Аттилио Меуччи.