如何從資產配置策略中去除預期收益？
經典的均值變異數優化問題試圖最小化給定預期收益的投資組合變異數：
$$ \underset{w}{\arg \min} \quad w^T \Sigma w \quad \text{s.t} \quad \mu^Tw \geq \bar{\mu} $$ 然而預期回報 $ \mu $ 可以通過許多不同的方式計算，但許多使用非常主觀的估計。問題是優化的結果對這些預期收益非常敏感。
當預期收益從框架中移除或結果的敏感性（對預期收益的變化）有限時，存在哪些資產配置策略？
例如，“最小變異數”優化通過僅返回具有最小變異數的投資組合來消除預期收益，如下所示：
$$ \underset{w}{\arg \min} \quad w^T \Sigma w $$
關於風險平價的文獻越來越多，其中大部分都是基於這個想法（即在不包括預期收益的情況下優化投資組合分配）。例如，The Journal of Investing去年專門發布了一期專門討論該主題的問題：請參閱“風險平價和分散化的最新方法”。
風險平價（RP）是一個相對簡單的想法。RP 定義非常鬆散，試圖創建一個投資組合，其中各種資產類別對投資組合的整體風險貢獻相同。
這通常是針對 60/40 的投資組合來看待的，並且有人認為 60/40 的配置實際上將 90% 的風險分配給了股票。對於風險平價是否是最好的方法存在一定程度的分歧，從閱讀這些論文中可以清楚地看出這一點。一些人認為，為什麼 RP 投資組合應該優於 MVO 投資組合併沒有理論基礎，而且它本質上是低效的；“槓桿厭惡和風險平價”（2011 年）提出了一個基於槓桿厭惡的積極案例。這個想法也有許多不同的實現（參見“大眾風險平價”的例子）。
一些有進一步參考的部落格文章：
一個相關的想法是最多樣化的投資組合（例如，參見“最多樣化投資組合的屬性”，2011 年）。這基於多樣化比率優化了投資組合，這只是單個資產波動率與投資組合波動率的總和。