BL_model.rar

Black-Litterman实现的Matlab代码，配合博文【BL】Black-Litterman Portfolio Optimization使用

clear all;
clc;
close all;
%% 数据读入和预处理
T = readtable（‘dowPortfolio.xlsx‘）;
names=[“AA“ “AIG“ “WMT“ “MSFT“ “BA“ “GE“ “IBM“];
benchmark=“DJI“; % 设置道琼斯指数为benchmark

% 数据预览
head（T（: [‘Dates‘ benchmark names]））

%% 预处理，分离资产组合和benchmark
ret = tick2ret（T（: 2:end））;
asset_ret = ret（: names）;
dj_ret=ret（: benchmark）;
num=size（asset_ret 2）;

%% 观点生成
v=3; % 观点的数量为3
P=zeros（v num）; % pick matrix
q=zeros（v 1）;
Omega=zeros（v）;

% view 1: AIG
P（1 names==“AIG“）=1;
q（1）=0.05;
Omega（1 1）=1e-3;

% view 2: WMT
P（2 names==“WMT“）=1;
q（2）=0.03;
Omega（2 2）=1e-3;

% view 3: MSFT and IBM
P（3 names==“MSFT“）=1;
P（3 names==“IBM“）=-1;
q（3）=0.05;
Omega（3 3）=1e-5;

%% 可视化观点矩阵
viewTable=array2table（[P q diag（Omega）] “VariableNames“ [names “ViewReturn“ “ViewsUncertainty“]）;

%% 数据口径统一
factor=1/252; %设置一年有252个交易日
q=q*factor; % 收益率日度化
Omega=Omega*factor; % 观点矩阵不确定程度日度化

%% 估计方差协方差矩阵
Sigma=cov（asset_ret.Variables）;

%% 对先验分布的不确定程度C
tau=1/size（asset_ret.Variables 1）;
C=tau*Sigma;


%% 计算市场隐含均衡收益
[wtsMarket PI]=findMarketPortfolioAndImpliedReturn（asset_ret.Variables dj_ret.Variables）;

%% 混合均值和方差
mu_bl=（P‘*（Omega\P）+inv（C））\（C\PI+P‘*（Omega\q））;
cov_bl=inv（P‘*（Omega\P）+inv（C））;

%% 显示结果
table（names‘ PI/factor mu_bl/factor ‘VariableNames‘ [“Asset_Name“ “Prior_Belief_of_ER“ “BL_Blended_ER“]）

%% MV框架下模型求解
% MV模型
port = Portfolio（‘NumAssets‘ num ‘lb‘ 0 ‘budget‘ 1 ‘Name‘ ‘Mean Variance‘）;
port = setAssetMoments（port mean（asset_ret.Variables） Sigma）;
wts=estimateMaxSharpeRatio（port）; % 目标函数为求解最大Sharpe Ratio

% BL模型
portBL = Portfolio（‘NumAssets‘ num ‘lb‘ 0 ‘budget‘ 1 ‘Name‘ ‘BL Mean Variance‘）;
portBL = setAssetMoments（portBL mu_bl Sigma+cov_bl）;
wtsBL=estimateMaxSharpeRatio（portBL）; % 目标函数为求解最大Sharpe Ratio

%% plot 
tol=0.01; % 只统计权重超过1%的资产
ax1=subplot（1 2 1）;
idx = wts>tol; 
pie（ax1 wts（idx） names（idx））;
title（ax1 port.Name ‘Position‘ [-0.05 1.60 0]）;

ax2=subplot（12 2）;
idxBL=wtsBL>tol;
pie（ax2 wtsBL（idxBL） names（idxBL））;
title（ax2 portBL.Name ‘Position‘ [-0.05 1.60 0]）;

%% 打表
table（names‘ wts wtsBL ‘VariableNames‘ [“AssetName“ “MV“ “MV_BL“]）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2372  2020-09-09 21:13  bl.m

     文件        460  2020-09-09 20:24  findMarketPortfolioAndImpliedReturn.m

----------- ---------  ---------- -----  ----

                 2832                    2