主流的资产配置模型：超越均值方差
在投资领域，资产配置是至关重要的决策。它涉及如何分配资金在各种不同的资产类别上，以实现风险和回报之间的平衡。长期以来，均值方差模型一直是资产配置领域的主流模型。随着市场环境和投资策略的演变，其他的资产配置模型也逐渐崭露头角。
均值方差模型，即Markowiz模型，它以最小化风险（方差）为目标，同时保持期望收益不变。这种模型在确定资产配置时，考虑了资产的波动性和相关性。它也存在一些局限性。它假设投资者是理性的，但人类行为往往受到情绪、认知偏差等因素的影响。它假设市场是有效的，但实际上市场存在许多非理性行为和信息不对称。
因此，尽管均值方差模型在学术研究中非常有用，但在实际的资产配置过程中，它往往不能完全满足投资者的需求。这就需要引入其他的资产配置模型。
一种替代的模型是Black-Lierma模型。这种模型试图将投资者的主观信念与市场均衡相结合，从而得到一个更符合实际的资产配置。Black-Lierma模型认为投资者对不同资产的回报有主观预期，这些预期可能受到市场信息、宏观经济状况、政策变化等多种因素影响。
近些年来，随着大数据和人工智能的发展，数据驱动的资产配置模型也逐渐受到关注。这些模型利用大量的历史数据和机器学习算法，预测未来的市场走势和资产回报。它们可以更准确地捕捉市场的非线性关系和动态变化，为投资者提供更加精细的资产配置建议。
定性因素在资产配置中也起到越来越重要的作用。这包括对行业的洞察、对公司的深入分析、对宏观经济环境的判断等。这些定性因素可以为投资者提供独特的视角，帮助他们在复杂的市场环境中做出明智的决策。
虽然均值方差模型在资产配置中仍然占据一席之地，但其他更为复杂和全面的模型也越来越受到重视。这些新的资产配置模型不仅考虑了风险和回报的平衡，还考虑了投资者的主观预期、市场的非理性行为以及大量的历史数据和机器学习算法的预测。它们为投资者提供了更加全面、精确和个性化的资产配置建议，满足了日益复杂的投资需求。