Diese Arbeit erläutert den mathematischen Hintergrund des Portfolio-Optimierungsansatzes von Black und Litterman. Sie zeigt, wie man mithilfe der Bayes-Statistik in der quantitativen Selektion von Wertpapieren stabilere Portfolioanteile erhalten kann, als es mit dem traditionellen Ansatz möglich wäre. Kapitel 1 und 2 liefern einen Überblick über die Wahrscheinlichkeitsrechnung im Allgemeinen und die Bayes'sche Statistik. Im dritten Kapitel dreht sich alles um die Portfolio-Optimierung. Den Anfang macht der traditionelle Erwartungswert-Varianz-Ansatz von Markowitz. Hier befindet sich auch das erste aus einer Reihe von Beispielen, die sich wie ein Leitfaden zum Nachrechnen durch das Kapitel ziehen. Nach der Einführung in die Black-Litterman-Optimierung geht es weiter mit dem schrittweisen Aufbau eines BL-optimierten Portfolios. Im vorletzten Abschnitt des Kapitels werden diverse Sensitivitätsanalysen der BL-optimierten Portfolioanteile auf Veränderungen der Eingabeparameter durchgeführt. Den Abschluss bilden die Vor- und Nachteile des Ansatzes.