半岛官方体育半岛官方体育Black-Litterman 就不用说了，它本身就是贝叶斯框架下的，见：Black-Litterman 模型 —— 贝叶斯框架下的资产配置利器。

　　Risk Parity 这个概念很好，但是限制比较多，它假设投资品之间的夏普率接近，且它们在不同经济环境下收益率均值呈现出负相关性（注意这和时序的负相关性不一样）。Risk Parity 常见的做法是使用等风险贡献投资组合（equally-weighted risk contributions portfolio）这个数学模型来实现，但是这里面也有一些坑，见你真的搞懂了风险平价吗？。

　　最后就是 mean-variance optimization（马爷的那一套）。这其实很经典，但是之所以难用就是收益率和协方差矩阵都太难猜。不过海外近几年来在使用贝叶斯框架来对整个马科维茨资产配置框架进行优化方面取得了不少进展。简单的说，它认为我们使用马科维茨资产配置框架时，直接把预测的收益率均值和协方差输入框架，然后一通最优化，这是有问题的；这是没有考虑在对均值和协方差预测时的误差的，因此很可能 garbage in garbage out。所以提出一个从全局来贝叶斯考虑马科维茨资产配置最优化这件事儿，使得在样本外的期望误差最小。

　　目前最常用的资产配置量化模型有三种，均值方差模型、Risk Parity、Black Litterman。

　　其实我认为要长期要研究的不是模型，而是在确定了投资额大类资产类别后，需要对个大类资产的收益、风险、资产间的相关性做出尽可能准确的分析。是战略资产配置中最重要的，也是最具有技术含量的一步。预测的各资产的收益、风险和资产间的相关性将作为下一步资产配置量化模型的输入参数，决定了最终资产配置比例的科学性和合理性。

　　金融学是研究什么的，类比经济学研究稀缺资源的最优配置，从最本质上来讲，金融学研究的是稀缺资源在不确定环境下的跨期配置问题，也就是说金融学最基础的问题就是资产配置问题。

　　讲到资产配置问题，首先明确你的目标是什么，也就是你的偏好是什么，不同的偏好下配置的效果截然不同。从目前的研究来看，主要有三大类，均值方差，HARA族效用函数，行为金融学效用函数。HARA效用函数是不确定性选择理论里面的几个典型代表，均值方差是对效用函数做的近似处理（这点马科维茨有过特别解释说明），行为金融效用函数比如最常用的损失厌恶反应了一些非理性的偏好。

　　第二方面，就是市场环境怎么处理，通俗一点，就是资产（assets，这里可能不止一个资产）未来的收益率(是向量)是多少，这个是最令人头疼的问题。所有的配置模型必须基于对未来的资产收益率的预期，如果未来的预期错了，配置就完全没有意义。像马科维茨模型中，必须要知道资产收益率的前两阶矩（无须正态分布假设，马科维茨有过特别说明）。在默顿模型中，必须要知道资产价格的随机过程，比如简单的几何布朗运动，漂移项服从均值回复过程的几何布朗运动，CEV过程，跳几何布朗运动等等。进一步地，也许需要引入额外的状态变量来对收益率进行建模，比如在资产定价实证中，公认股息率是可以预测收益率的，这样就可以引入股息率变量。又比考虑到动量效应，可以引入过去的收益率。在实践中，还必须估计或者校准模型中的参数。但是参数是用历史数据估计的，参数本身带有一定的误差，配置比例可能对参数本身很敏感，这就涉及到parameter uncertainty和robust的问题。BL模型的基本思想就是投资者要加入主观的估计，这样预期就是主观和历史的一个加权，当然和卡尔曼滤波一样，为了让系统能够一直玩下去，必须有收益率正态分布的假设才行。

　　第三方面，就是在给定的市场环境和投资目标下怎么去求解最优配置权重的问题。单期问题比较容易，多期问题非常复杂，常常要用的随机动态规划的方法。很多问题中都是把多期当成多个单期问题来处理的，即每一期最优化下一期就行了。这么做是不对的，很简单的道理，就想下棋一样，看五步的最优走法和每一步走最优然后连着走五步的走法完全是不一样的，在前者中可能会出现弃子，但是在后者中几乎不会出现。

　　从马科维茨的资产组合理论到默顿的动态资产配置模型，半个多世纪以来，资产配置问题一直有很多学者在研究。至于说哪种配置模型比较有研究价值？我觉得不同的资产配置模型只是具体的假设不一样而已，每个假设肯定都有一定的道理，在理论价值上它们都是等价的，至于实际价值，那就需要去做实证检验看哪种假设相对更为合理了。

　　对Return和Risk的掌握本质是在optimize sharp ratio,是在追求更好的策略，你有高sharp的策略当然有更好的组合。就好像答主问要怎么排兵布阵比较好，你告诉他用兽人步兵比用人类农民好半岛官方体育。逗我呢？

　　对于资产配置（模型）的研究首先要回到市场有效性这一重要假设，不妨从正反两面都来看一看。

　　先看正面，若假设市场有效，那么市场组合就是其最优的组合，这是CAPM的结论，那么我们只要无脑买入Market Weight Average就好（从标普指数大幅战胜各路主动管理型基金来看，似乎支持市场最优的结论巴菲特的十年赌约），那么基于市场有效的研究看上去似乎到此为止，然而并不是，而且这恰恰是开头提到的很多人的误区所在。

　　对于美国市场而言，标普500或许是一个比较好的市场组合，但是反观中国等金融体系欠发达国家或者从全球的角度来看，其实并没有一个准确甚至近似的市场组合，1）如何去构建一个市场组合，2）验证市场组合是否有效，3）从有效的市场组合中获得风险溢价其实都是很有研究价值的问题。

　　以中国为例，无风险利率使用国债、货基还是房贷还是混合使用，将会导出不同的结果。市场组合中除了股票是否要再加入地方债、房产、信托、P2P、风险投资等大类资产？加入了这些大类资产后，如何来衡量其背后的风险、隐性担保和流动性溢价？面对中国的市场，每一个点都值得充分考虑和研究。

　　很多人说中国市场无效，然而当你把上面的问题都研究清楚之后，中国过往的房地产牛市和地方政府大幅加杠杆正是一个有效市场均衡应有的结果。这是一个流动性较差的市场的例子。

　　从全球市场的角度来说，如何跨地区、跨产品、跨期限配置资产是一个变量更多的问题。这样的全球市场均衡涉及到外汇、互换、债券、股票、房产、商品等各种大类资产，各类资产之间存在价差、时差、相关性、自相关性，再加上交易手续费、税率、市场容量等等市场限制，要去找到有效市场就像要找到“薛定谔的猫”一样不可能。但也正是因为其中的难度，那些具备全球配置能力的银行、基金通过优化其中的不同部分来达到一个相对更接近有效市场的组合来获得市场给予的风险溢价，这个过程的每一个环节都是值得研究且能带来真金白银的活。

　　所以说基于市场有效假设去寻找和组合出有效市场从而获得市场带给你的风险溢价是一条可行的道路，只是大部分时候参与者对于市场的认识太狭隘，就简单的否认市场有效性，然后将资产配置问题又拽回了seeking alpha，回到了市场有效性的另一面。

　　那么回问题的反面，假设市场无效，如何配置资产。其实这就回到了seeking alpha。

　　而后又有以Fama-French 为开山鼻祖，Black-Litterman 发扬光大的Factor Model派，认为市场无效，将市场的变化归因于市场内各种躁动的因子所推动，能驾驭这些因子的人就能战胜市场，比较像降龙十八掌，套路多种多样，其实归根到底还是要内力深厚。

　　近些年来又兴起一种新门派叫Max Diversification, 追求的是风险的极致弱化，比较像凌波微步，反正我就是规避风险，长跑一大圈下来总能拖死你。

　　然而这些归根到底其实都是seeking alpha，核心是对微观市场的解构、分析和动态优化的能力。问题问的是资产配置，其他答案也提了很多，就不再展开了。

　　我觉得从实际交易的感觉来说，一类标的的特征也许并不能体现在这类标的的Pnl里边。比较好的了解这类标的赚钱来源，风险所在。特别是在尾部的时候，和其他类型标的风险有没有叠加在一起，这种东西都不会反应在模型里。因为这部分相关度很多很可能是非线性的风险最终决定了你的资产组合的最大回撤，而且还没有足够的数据供你去统计。只能靠实际的理解了。