最近不少留学生看到第27章《积极性投资组合管理理论》的时候，即使看了两遍，但感觉还是有不少看不太懂的，那么今天我们专业的辅导老师就来为大家详细解析一下这一章。

所谓积极型投资组合是相对于被动投资组合而言的，即组合并非市场组合。那怎么决定应该把什么样的资产纳入组合获得α呢？大概的意思就是组合管理人可以挑出自己认为有超额收益的标的（比如某些股票）放进组合，是怎么放，放多少，是特雷纳.布莱克模型尝试解答的。

就特雷纳-布莱克模型（后续简称TB模型）的应用，书中给了几个阶段性的解析：

首先假设用历史的α来看，会发现对业绩的改善小的可怜

然后假设用分析师的α来看，会发现分析师对α的预测和历史没多少相关性，且差异巨大，此时会得到极端的配比，比如卖空4倍标准普尔500指数，超配主动组合。显然这种方式应用性存在问题。

然后为了让TB模型具有实操性，书中提出了可以限制空头，即禁止卖空，此时看起来就得到了一个一定优化后的资产配置，但这种方式还存在问题，因为有可能主动挑选的组合占比太高，而如果主动挑选组合的分散化不够，会导致整个组合的分散化不够。

然后书中提到了很多组合都会有一个对比基准，比如以沪深300作为基准，对自己组合的表现，希望不要偏差基准太多（我个人觉得这样的好处是方便组合管理人解释，比如万一跌了，还可以说，你看大盘都跌了，我跌也正常），那么可以自己定义一个自己心理接受的偏差范围，用这个偏差范围做约束，来进一步确定主动性组合的占比问题

为了提高预测准确度，这里是指α，还可以去看分析师历史预测的准确度，以及当有新的预测时，用新的替换旧的，从而提高配比的精确度。

下面开始讲布莱克-利特曼模型后续简称（BL模型），BL模型有助于组合管理人能够把自己的预测进行量化并应用在组合配置中。

业界相对会被普遍认为历史的风险在反映未来的风险上，会比历史收益反映未来收益上更佳，而常规的马科维茨模型需要有每个资产的收益预测，加上协方差矩阵，进而得出配比。如果拿市场已有的配比、已有的风险水平，通过对马克维茨模型做反向，是可以得出市场对各项资产的收益预测的。因此通过市场，反向得出收益预测（此时的风险偏好是市场整体的风险偏好）。

此时，再根据投资者的风险偏好，以反向马科维茨模型的出来的收益预测，再做正向的马科维茨模型，从而可以得出和风险匹配的资产配置建议。

如果认为市场是有效的，这样就可以了。但是如果你自己还有观点，想微调，那么会遇到一些问题，即有可能你对某一项资产的收益做了一些调整，就会导致资产配比发生巨幅变化，即资产配置对资产收益的调整非常敏感。以及当有多项观点时，怎么做配置就变成一个近似不可能完成的任务了。

BL模型给出了解决方案，给了一个巧妙的数学公式，能让你把自己的观点代入到数学公式，同时给了一个神奇的参数τ，这一部分是留给资产配置管理者来应用的。

好了，以上就是今天留学生辅导小课堂的全部内容啦，大家如果还有其他问题也可以向我们咨询哦~