# Enhancing Black-Litterman Portfolio via Hybrid Forecasting Model Combining Multivariate Decomposition and Noise Reduction

### 저자

Ziye Yang, Ke Lu

### 개요

본 논문은 기존 평균-분산 모델의 입력 매개변수 민감도 및 유연성 부족 문제를 해결하기 위해, 시장 균형 수익률과 투자자의 주관적 견해를 통합하는 Black-Litterman 모델을 개선하는 새로운 하이브리드 딥러닝 모델을 제안합니다.  특히, 특이값 분해(SSA), 다변량 정렬 경험적 모드 분해(MA-EMD), 그리고 시간적 합성곱 신경망(TCN)을 결합하여 자산 가격 예측 정확도를 향상시키고, Black-Litterman 모델의 주관적 견해 생성 능력을 강화하는 것을 목표로 합니다.  실험 결과, 노이즈 감소 전처리가 모델 정확도를 향상시키며, 제안된 모델의 예측 성능이 세 가지 다변량 분해 기준 모델보다 훨씬 우수함을 보여줍니다.  NASDAQ 100 지수의 20개 대표 주식을 사용하여 투자 포트폴리오를 구성하고, 하이브리드 예측 모델을 Black-Litterman 모델과 결합하여 단기 보유 기간 동안 평균-분산, 균등 가중, 시장 가중 모델보다 더 나은 수익률과 위험 관리 능력을 보이는 투자 포트폴리오를 생성합니다.

### 시사점, 한계점

- **시사점:**

    - SSA, MA-EMD, TCN을 결합한 하이브리드 딥러닝 모델이 자산 가격 예측 정확도를 향상시킬 수 있음을 보여줌.

    - 노이즈 감소 전처리가 모델 성능 향상에 효과적임을 확인.

    - 제안된 모델을 Black-Litterman 모델과 결합하여 단기 투자에서 우수한 수익률과 위험 관리를 달성 가능함을 입증.

- **한계점:**

    - 본 연구는 NASDAQ 100 지수의 20개 주식에 대한 실험 결과만 제시하여 일반화 가능성에 대한 추가 연구가 필요.

    - 단기 보유 기간에 대한 분석만 수행되었으므로, 장기 투자 전략에 대한 추가 연구가 필요.

    - 모델의 매개변수 최적화에 대한 자세한 설명이 부족.

    - 다른 시장이나 자산군에 대한 일반화 가능성을 검증할 필요가 있음.

[PDF 보기](https://arxiv.org/pdf/2505.01781)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).