传统马科维茨模型的痛点#
均值方差优化对预期收益率的输入极其敏感，微小的收益假设变化会导致组合权重剧烈波动，且容易产生集中持仓的问题，实操中经常出现“优化出满仓单一个股”的极端结果，不适合直接用于A股实盘。
Black-Litterman模型的核心改进#
BL模型将市场均衡收益（隐含收益率）与投资者的主观观点结合，既保留了市场的中性预期，又可以融入投资者的主动判断，输出的组合权重更加稳定，解决了传统均值方差优化的“输入敏感”和“集中持仓”问题。
中国市场的本土化改良方案#
针对A股特性做三点优化：
- 用沪深300指数的隐含收益率代替CAPM的市场均衡收益，更贴合本土市场的定价逻辑
- 观点置信度用分析师一致预期的变化率动态调整，而非固定tau值，提升观点权重的有效性
- 加入硬约束：单一个股权重不超过5%，行业权重偏离不超过基准的±3%，符合公募/私募的实操风控要求
实证回测结果#
用2018-2025年数据回测，改良BL模型对比传统沪深300增强策略：
- 年化超额收益从4.2%提升到6.8%
- 最大回撤从21.3%降低到15.7%
- 年化换手率从380%降低到220%，大幅减少交易成本，实盘可复制性更强
