En un mercado real, la cantidad de información y recomendaciones está aumentando constantemente. Sin embargo, las recomendaciones suelen estar en forma lingüística y ninguna recomendación se basa en una sola pieza de información. Las predicciones de los individuos y su confianza pueden variar considerablemente. Por lo tanto, surge un problema con diferentes opiniones vagas (desconectadas o parcialmente coherentes) de varios expertos o información de múltiples fuentes. En este trabajo, presentamos extensiones del modelo Black-Litterman con opiniones expresadas lingüísticamente de diferentes expertos/múltiples fuentes. El estudio se centra en el análisis empírico de los resultados del enfoque difuso propuesto. En la modificación presentada, cada experto expresa su opinión sobre activos particulares según intervalos, y luego se construye un expertón para cada activo. En la optimización de carteras, utilizamos las opiniones agregadas presentadas por intervalo, que es el valor medio del expertón construido en opiniones particulares. En un estudio empírico, construimos y probamos 10,000 carteras basadas en recomendaciones de EquityRT, que fueron realizadas por 14-49 expertos mensualmente entre noviembre de 2017 y junio de 2019 para las 29 mayores empresas del mercado estadounidense y diferentes sectores. El rendimiento anual promedio de las carteras es del 9.5-11.8%, dependiendo de la amplitud de los intervalos y restricciones adicionales. Este enfoque permite a las personas formular opiniones intuitivas y ver las opiniones de un grupo de expertos.