black-Litterman-->莫克维兹-->CED

════════════════════════════════════════════════════════
实际工作流程：三者怎么串联使用
════════════════════════════════════════════════════════

第①步：Black-Litterman
────────────────────────────────────
作用：解决"预期收益率怎么估"这个输入问题

Π = λΣw_mkt （市场反推稳健起点）
↓
融合主观观点 Q（贝叶斯更新）
↓
得到 E[R] ← 一个相对稳健、不容易走极端的预期收益率

第②步：Markowitz 均值-方差优化
────────────────────────────────────
作用：拿第①步的 E[R]，代入优化框架求解权重

w* = (λΣ)⁻¹ E[R]
↓
得到一个初步的、"正常市场假设下"看起来最优的组合权重

第③步：CED 做压力测试 / 风险校验 / 归因
────────────────────────────────────
作用：检查第②步算出的组合，在【极端尾部情形】下
到底会经历多深的回撤，风险由谁贡献

对 w* 这个组合做蒙特卡洛模拟
↓
算出 μ(P)（每次模拟的最大回撤）
↓
CED = 最差5%情形的平均最大回撤
↓
MRC_i^CED = 拆解看是股票/债券/商品谁在极端情形下
贡献了最多的回撤风险
↓
如果 CED 太高，或者某个资产贡献风险过大：
→ 回头调整权重限制、加风险预算约束
→ 甚至重新跑一次优化（引入CED作为约束条件）