✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎

往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥内容介绍

投资组合优化的核心的是在风险与收益之间寻找最优平衡，不同模型基于对“风险”的不同定义、优化目标的差异，形成了各具特色的配置逻辑。

本文将系统对比CVaR（条件风险价值）最优投资组合、均值-方差投资组合、全局最小方差投资组合（GMVP）及市场投资组合的核心差异，涵盖定义、风险度量、优化逻辑、适用场景等关键维度，同时结合实证特性，明确各类模型的优势与局限，为投资决策提供参考。

一、四类投资组合模型的核心定义与优化逻辑

（一）CVaR最优投资组合

CVaR最优投资组合以条件风险价值为核心风险度量指标，核心逻辑是在给定置信水平（如95%、99%）下，最小化投资组合“超过VaR（风险价值）的尾部损失均值”——即极端不利情况下的平均损失，同时可兼顾预期收益目标进行约束优化。

CVaR作为一致性风险度量，满足次可加性、凸性等性质，无需假设资产收益服从正态分布，能更精准捕捉尾部极端风险，其优化问题可转化为线性规划，计算效率较高，本质是“控制极端损失前提下的收益最大化”，聚焦下行风险的精准管控而非整体波动平衡。

（二）均值-方差投资组合

均值-方差投资组合由马科维茨于1952年提出，是现代投资组合理论的基础，其核心逻辑是以收益的方差（或标准差）度量整体风险，通过优化资产权重，在给定预期收益水平下最小化风险，或在给定风险水平下最大化预期收益，最终形成“有效前沿”——所有非有效组合均存在“风险更低但收益相同”或“收益更高但风险相同”的替代组合。

该模型假设资产收益服从正态分布、投资者效用函数为二次型，核心缺陷是方差无法区分上行波动（盈利）与下行波动（亏损），对尾部极端风险不敏感，且对参数估计高度敏感，实际中因样本内与样本外收益分布差异，可能出现参数校准偏差导致的绩效不及预期，甚至劣于简单等权组合。

（三）全局最小方差投资组合（GMVP）

GMVP是均值-方差有效前沿的特殊情形，也是最具保守性的组合，其核心逻辑是不依赖预期收益预测，仅通过协方差矩阵优化资产权重，实现组合整体方差最小化。

作为有效前沿最左端的组合，GMVP的风险水平是所有可行组合中最低的，但预期收益也通常最低，其优势在于参数不确定性显著低于完整的均值-方差模型——仅需估计协方差矩阵，无需预测预期收益，而协方差估计的准确性通常高于收益预测。

实证表明，GMVP往往能实现优于市值加权基准的样本外收益，且波动率更低，但受协方差矩阵高维估计误差影响，可能出现权重不稳定的问题，需通过收缩估计、聚类等方法改进。

（四）市场投资组合

市场投资组合源于CAPM（资本资产定价模型），是理论上的“最优风险组合”，核心定义是包含所有可投资资产、按各资产市值加权的组合，代表市场整体的风险与收益特征，其风险仅为系统性风险（无法通过分散投资消除），非系统性风险已完全分散。

理论上，市场投资组合位于均值-方差有效前沿上，是所有投资者最优风险资产组合的共同选择，其风险由β值度量（β=1代表与市场风险一致）。

但实践中，市场投资组合无法完全复制——难以覆盖所有可投资资产，且存在交易成本、市场摩擦等约束，通常用宽基指数（如标普500、沪深300）作为其近似替代，本质是“被动跟踪市场，不主动进行风险管控”。

二、关键差异总结与实践适配建议

（一）核心差异核心总结

四类模型的本质差异，源于对“风险”的定义不同和优化目标的侧重不同：CVaR模型聚焦“极端下行风险”，是“风险厌恶型”模型的进阶版；均值-方差模型聚焦“整体波动”，是“风险-收益平衡”的基础框架；GMVP是均值-方差模型的极端保守形态，聚焦“最小整体风险”，放弃收益权衡；市场投资组合是“市场有效假说”的实践体现，聚焦“被动跟踪市场”，放弃主动风险管控。

从风险度量的先进性来看，CVaR优于均值-方差和GMVP——其无需正态假设，能捕捉实际市场的尖峰厚尾特征，且一致性风险度量的属性更贴合投资者对“风险分散”的直觉；从操作复杂度来看，市场投资组合最简单（被动跟踪），GMVP次之（仅需协方差估计），均值-方差和CVaR模型更复杂（需更多参数或分布估计）；从样本外绩效稳定性来看，GMVP和CVaR模型通常更优，均值-方差模型易受参数偏差影响，市场投资组合则完全依赖市场整体表现。

（二）实践适配建议

1.

若投资者为机构、高净值人群，核心需求是“控制极端损失”（如规避金融危机、黑天鹅事件冲击），且能承担一定的管理成本，优先选择CVaR最优投资组合，可结合自身风险偏好设定置信水平，实现极端风险与收益的平衡。

2.

若投资者为传统资产管理机构、学术研究者，追求“风险-收益的灵活调节”，且认可市场近似有效、收益近似正态分布，可选择均值-方差投资组合，通过有效前沿筛选适配自身目标的组合权重。

3.

若投资者为保守型个人、养老金等长期资金，核心需求是“保值优先、规避大幅波动”，对收益要求较低，优先选择GMVP，可通过收缩协方差估计等方法优化权重稳定性，实现最低风险下的稳健增值。

4.

若投资者为普通个人、新手投资者，核心需求是“简单便捷、长期增值”，不愿承担主动管理成本，优先选择市场投资组合（如宽基指数基金），通过长期持有获取市场系统性风险溢价，同时完全分散非系统性风险。

三、补充说明

实践中，四类模型并非完全对立，可结合使用：例如，用CVaR模型对均值-方差组合进行尾部风险约束，优化其极端市场表现；用GMVP作为组合的“安全底仓”，搭配市场投资组合提升收益潜力；用市场投资组合作为基准，评估CVaR、均值-方差等主动优化组合的超额收益。

此外，各类模型的绩效均受市场环境影响——在平稳市场中，均值-方差和市场投资组合可能更具优势；在震荡、极端市场中，CVaR和GMVP的风险管控优势会更加突出。

同时，参数估计方法的改进（如决策聚焦学习DFL用于GMVP协方差估计），也能有效提升各类模型的实践适配性和绩效稳定性。

⛳️

运行结果

宣辉.癌症患者生命质量测定量表体系之大肠癌量表第二版的研制及其最小临床有意义差异制定[D].广东医学院,2016.

[2]

沈方力.甲状腺功能亢进患者生命质量量表的研制及其最小临床有意义差异制定[D].广东医科大学[2026-02-16].

[3]

肖敏.协方差矩阵的几何型收缩估计及其应用[D].浙江工商大学,2018.

📣

部分理论引用网络文献，若有侵权联系博主删除

👇

关注我领取海量matlab电子书和数学建模资料

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈

各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、

风电场布局、时隙分配优化、

天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、

动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、

订单拆分调度问题、

公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈

机器学习和深度学习时序、回归、分类、聚类和降维

2.1

bp时序、回归预测和分类

2.2

ENS声神经网络时序、回归预测和分类

2.3

SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4

CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5

ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6

GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7

ELMAN递归神经网络时序、回归\预测和分类

2.8

LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9

RBF径向基神经网络时序、回归预测和分类

2.10

DBN深度置信网络时序、回归预测和分类

2.11

XGBOOST集成学习时序、回归预测预测和分类

2.19

Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈

路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、

双层车辆路径规划（2E-VRP）、

油电混合车辆路径规划、

无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈

通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈

信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈

人群疏散

雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈

车间调度

零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题

DPFSP、阻塞流水车间调度问题BFSP

👇