最先進的 MVO 方法？
我在學校學習了 Markowit’z 均值變異數優化。
現在我一直在Google上搜尋，令我驚訝的是，Markowit’z 仍然被大多數人使用，AFAIK。
最近（比如 2005 年至 2020 年之間）開發的一些最先進的算法/模型真的沒有經過充分證明並且已知比基本的 Markowitz 更好嗎？
基本上我的問題是尋找現代模型（或談論這些模型的文獻，即調查論文）。
謝謝
自 Markowitz 以來，投資組合理論的新方向沒有任何重大突破。相反，人們正試圖應對馬科維茨優化的眾所周知的缺點（其中最大的缺點是估計預期回報的困難）。有趣的發展包括：Black-Litterman 模型，以及等風險貢獻（又名風險平價）、最小波動率和其他不使用預期回報的方法。Michaud 的 Resampled Frontier 說明了由錯誤估計預期收益引起的問題，也許是您可以做的最好的解決方法。
另一個方向上的另一個有趣的發展是 Uryasev 開發的條件風險價值投資組合優化，其中 CVaR 取代了變異數作為投資組合風險標準。
然後是基於目標的投資https://en.wikipedia.org/wiki/Goal-based_investing我個人認為它的貢獻相當微弱，但受到一些人的稱讚https://investmentsandwealth.org/getattachment/d772a88e-903f- 43f6-bf90-f938079e2812/IWM15NovDec-GoalsBasedBetterOutcomes.pdf作為個人投資者超越 Markowitz 的一步。
如果我被要求介紹“自 Markowitz 以來的新情況”，這些是我將涵蓋的主題。
只要您相信收益的共變異數並且不會產生交易成本，Markowitz（二次規劃）就很好，這在實際投資組合中都不是真的。MIT group探索了基於 CVAR（線性規劃）的優化，但我認為 LP 方法往往會導致更集中和風險更高的投資組合。
自 Markowitz 以來，有兩個必要的發展已經得到解決。回复：共變異數，有大量文獻。要尋找的關鍵詞：（1）多因素風險模型，（2）共變異數收縮，（3）隨機矩陣理論和特徵值清洗。
回复：交易成本，特別是在多周期設置中，有一些已發表的結果，包括來自斯坦福大學、伯克利分校、CFM、帝國理工學院和我自己的小組。