熵池模型不仅在理论上使用了更加先进的算法来进行权重求解与观点融合,更重要的是它能融入几乎所有类型的投资者观点,观点的对象也不再局限于资产收益率本身,相较 BL 模型在实用性上有质的飞跃。 应用场景 在实际的主观投资中,投资者很难对资产给出准确的预期型观点,大多数观点是模糊的、比较类型的观点;投资者还会对资产收益率以外的对象产生大量观点,
熵池模型（Entropy Pooling）是由前 KKR 首席风险官 Attilio Meucci 提出的一种观点集成方法，旨在克服传统资产配置模型的局限性，特别是 Black-Litterman 模型的局限性。相较于 Black-Litterman 模型，熵池模型在实用性上实现了质的飞跃，能够更好地融入几乎所有的投资者观点。熵池模型在理论上采用了先进的...
熵池模型可以解决BL模型的这个问题。熵池模型的特点在于进行资产配置时融合多种形式的观点如看涨看跌波动加大等,甚至也可以是相关风险因子的观点(如十年期国债收益率走势)。 熵池模型的原理及使用方法 首先我们需要明确,熵池模型的最终目的,是生成资产的权重。这个资产配置的过程主要分为以下几个步骤: 首先我们有多个资产...
一、使用正态与非参数方法的熵池模型与BL模型结果对比,发现熵池模型较BL模型在年化收益、夏普比、换手率控制等方面都有提升; 二、构造排序型观点与波动率观点,对比单独放入与合并放入的结果,证明熵池模型能对多种类型观点的信息进行有效融合,配置效果随着信息增加而提升;三、对比使用最大化夏普比、最小化风险与风险...
以往的组合配置模型有各类的弊端,我们希望通过引入新的模型框架(熵池模型)使得配置模型的适用性更强。 我们首先通过熵池模型(Entropy Pooling)与BL模型的对比,说明两者在整体思路上是一致的,不过熵池模型可以视作BL模型的延展,在BL模型的观点形式单一、正态假设对分布欠估计等方面做出了优化,能够融入形式多样化、范围...
这里希望通过引入新的模型框架(熵池模型)使得配置模型的适用性更强。 首先通过熵池模型(Entropy Pooling)与BL模型的对比,说明两者在整体思路上是一致的,不过熵池模型可以视作BL模型的延展,在BL模型的观点形式单一、正态假设对分布欠估计等方面做出了优化,能够融入形式多样化、范围更加广的观点。
它是一种利用熵理论和信息论的思想来模拟人类创造力的模型。熵池模型的基本概念是将各种不同领域的信息输入到一个共享的池子中,通过相互作用和碰撞,产生新的创意和思维。这个模型的核心思想是通过融合多样性和混乱性来激发创造力的火花。 熵池模型的工作原理可以用一个类比来解释。想象一下,熵池就像是一个大海,而...
让我们了解一下熵池模型的基本概念。熵是系统的一种状态函数,描述了系统中的无序程度或者混乱程度。在热力学中,熵通常被表示为S,单位是焦耳/开。熵池模型通过将系统看作是一个热力学池,其中熵是一个可变的物理量,可以根据系统的状态进行调整。 熵池模型的推导方法基于熵的定义和热力学定律。熵的定义是系统的无序...
1、内容目录 HYPERLINK l _TOC_250021 什么是熵池(Entropy Pooling)模型 3 HYPERLINK l _TOC_250020 完全自由观点 3 HYPERLINK l _TOC_250019 贝叶斯更新的一般化 5 HYPERLINK l _TOC_250018 相对熵最小化的意义 7 HYPERLINK l _TOC_250017 模型解析解与数值求解 8 HYPERLINK l _TOC_250016 熵池模型 vs ...
模型量化图表专题ttermanblackli 什么是熵池(EntropyPooling)模型熵池模型vsBlackLitterman模型10观点融合102.1.1.均值11中位数、VaR、分位数11波动率11协方差、相关系数12资产排序12边缘分布13信心水平13解析解对比16资产配臵场景下的熵池模型优点16熵池模型下观点融合的实际效果19熵池模型的优点总结19熵池模型拓展与应用...