{
  "id": "efficient-frontier",
  "title": "有效前沿",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "有效前沿由在给定风险下预期收益最高，或在给定预期收益下风险最低的投资组合构成。",
  "category": "economics",
  "subcategory": "finance",
  "type": "concept",
  "aliases": [
    "有效边界",
    "效率前沿",
    "均值—方差有效前沿",
    "马科维茨有效前沿"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/efficient-frontier/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/efficient-frontier/",
      "json": "https://aiwiki.page/en/efficient-frontier.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "有效前沿是这样一组投资组合：若要提高预期收益或降低风险，就必须以牺牲另一项目标为代价。在经典表述中，风险以投资组合收益率的方差或标准差衡量。如果不存在另一种可行的投资组合，能在预期收益不低、风险不高的同时，至少在其中一个方面严格优于某一组合，那么该组合就是均值—方差有效的。因此，有效前沿描述的是在特定条件下所能实现的最优权衡集合，而不是对每位投资者而言都最优的某一种投资。\n\n这一概念是现代投资组合理论的核心，由哈里·马科维茨于20世纪50年代初提出。其关键洞见在于，投资组合的风险不仅取决于各项持仓自身的风险，还取决于它们的收益率如何共同变动。因此，一只自身波动较大的证券，与其他资产组合后，也可能降低投资组合的总体风险。有效前沿为研究分散投资、配置资本、评估投资约束，以及将投资组合选择与资产定价理论联系起来提供了框架。\n\n有效前沿总是相对于特定的投资机会集、投资期限、估计的收益率分布以及界定可行投资组合的规则而言的。其中任何一项发生变化，都可能改变有效前沿的位置或形状。经典的均值—方差分析能够得出尤为清晰的数学结果，但实际构建投资组合时，还必须处理估计的不确定性、交易成本、融资限制、负债，以及方差无法充分反映的风险。"
    },
    {
      "heading": "历史发展与思想背景",
      "text": "在正式的投资组合理论出现之前，投资分析通常侧重于单只证券的优劣，包括其盈利前景、收益支付、估值以及被认为具有的安全性。分散投资的理念当时已广为人知，但仅仅建议持有多种不同投资，并不能说明哪些组合更为理想。马科维茨提出了一个数学框架：一只证券是否值得投资，取决于它对整个投资组合收益和风险的贡献，而非它自身的独立特征。\n\n马科维茨于1952年在《金融学期刊》发表《投资组合选择》一文，以预期收益和收益方差来表述投资组合选择问题。他在1959年出版的《投资组合选择：投资的有效分散化》一书中，对这一框架作了更全面的阐述。安德鲁·D.罗伊也于1952年独立发表了《安全第一与资产持有》，以限制收益低于某一临界水平的概率为目标，研究投资组合选择问题。罗伊的研究表明，早期运用数学方法研究投资组合的工作，对投资风险已有不同的理解，并不局限于方差最小化。\n\n计算问题从一开始就十分重要。当证券数量众多时，计算一个有效投资组合需要考虑大量证券之间两两配对的关系。马科维茨提出了临界线法，用于在线性约束下追踪有效投资组合。这种方法并不逐一评估所有可能的投资组合，而是追踪权重达到约束边界的资产集合如何变化。明确的经济问题与可实施的优化方法相结合，使投资组合理论的用途超出了纯粹的理论分析。\n\n詹姆斯·托宾于1958年发表的《作为风险行为的流动性偏好》一文，考察了将风险投资与无风险资产相结合的影响。由此，选择风险资产组合与决定承担多大总体风险，成为两个可以分开处理的决策。威廉·夏普于1964年开展的研究，以及随后约翰·林特纳和扬·莫辛的贡献，将有效投资组合选择与预期收益的均衡理论联系起来。由此形成的资本资产定价模型，将单只证券自身的风险与其对市场投资组合风险的贡献区分开来。\n\n1990年，马科维茨、夏普和默顿·米勒因对金融经济学的贡献，共同获得诺贝尔经济学奖。此后，有效前沿成为机构投资管理和金融教育中的标准分析工具。它在历史上的重要性，与其说在于找出一个永远最优的投资组合，不如说在于确立了投资选择必须放在一起综合评估的原则。这一框架还明确揭示了资产配置背后的假设：预期收益、协方差、偏好和约束条件成为可以审视的输入，而不再隐含于对单只证券的判断之中。"
    },
    {
      "heading": "定义、收益率度量与有效性",
      "text": "考虑 \\(n\\) 项风险资产，其单期收益率构成向量 \\(R\\)。令 \\(w_i\\) 表示初始投资组合价值中投向资产 \\(i\\) 的比例，\\(w\\) 为这些权重组成的向量。对于资金全部投入的投资组合，有\n\n\\[\\mathbf{1}^{\\mathsf T}w=1,\\]\n\n其中，\\(\\mathbf{1}\\) 是所有元素均为 1 的向量。在允许卖空的情况下，负权重表示空头头寸。若初始权重固定，且采用相同的度量期间，则投资组合收益率为 \\(R_p=w^{\\mathsf T}R\\)。若 \\(\\mu=\\mathbb{E}[R]\\)，且 \\(\\Sigma\\) 为收益率协方差矩阵，则\n\n\\[\\mu_p=w^{\\mathsf T}\\mu, \\qquad \\sigma_p^2=w^{\\mathsf T}\\Sigma w.\\]\n\n期望收益率是一个期望值，并非承诺能够实现的结果。协方差衡量共同变动的程度：正值表示各自相对于均值的偏差往往同号，负值则表示两者有相互抵消的倾向。协方差矩阵的对角线元素为各项资产收益率的方差，其余元素为两两之间的协方差。这些量必须采用相容的收益率定义、计价货币和时间跨度。例如，将月度期望收益率与年度协方差估计混用，就无法构成一个自洽的优化问题。\n\n若可行投资组合 \\(a\\) 与投资组合 \\(b\\) 满足\n\n\\[\\mu_a\\geq\\mu_b,\\qquad \\sigma_a\\leq\\sigma_b,\\]\n\n且至少有一个不等式严格成立，则称 \\(a\\) 支配 \\(b\\)。有效前沿由在这一意义上不被其他组合支配的投资组合构成。这是帕累托效率在两个投资目标上的应用。持仓不同的投资组合可能位于风险—收益空间中的同一点，因此，有效的风险—收益结果并不总能唯一确定持仓。要保证持仓的唯一性，还需要对协方差矩阵和约束条件提出额外要求。\n\n常见的图示以标准差为横轴、期望收益率为纵轴。横轴也可以改用方差，而不会改变哪些投资组合是有效的，因为标准差是非负方差的严格递增变换。不过，这会改变曲线的几何形状。最小方差边界包含每个可行期望收益率所对应的最低风险投资组合；其中只有不被支配的部分才是有效前沿。在标准的无约束模型中，这一部分就是位于全局最小方差投资组合上方的分支。\n\n有效性并不能决定投资者偏好前沿上的哪一点。风险厌恶程度较高的投资者可能选择风险较低的有效投资组合，另一位投资者则可能为了更高的期望收益率而接受更大的波动性。有效性也不意味着亏损的可能性很小，或投资组合在所有相关意义上都是安全的。均值—方差有效性只比较两个统计特征。均值和方差相同的投资组合，其发生严重亏损的概率、流动性需求，以及与投资者所承担义务的关系，都可能有所不同。"
    },
    {
      "heading": "多样化与投资组合机会集的几何特征",
      "text": "有效前沿背后的机制是投资组合多样化。对于两项资产，若第一项资产的权重为 \\(w\\)，第二项为 \\(1-w\\)，则投资组合的预期收益率和方差为\n\n\\[\\mu_p=w\\mu_1+(1-w)\\mu_2,\\]\n\n\\[\\sigma_p^2=w^2\\sigma_1^2+(1-w)^2\\sigma_2^2 +2w(1-w)\\rho_{12}\\sigma_1\\sigma_2,\\]\n\n其中，\\(\\rho_{12}\\) 表示两项资产收益率的相关关系。预期收益率是权重的线性函数，但标准差通常不是。如果相关系数小于 1，将资产组合起来，所得波动率可能低于各项资产波动率的加权平均值。因此，多样化关注的是资产之间的联动表现，而不只是持有资产的数量。\n\n例如，假设两项资产的预期年收益率分别为 6% 和 10%，年化标准差分别为 10% 和 20%，且二者的相关系数为零。对这两项资产等额投资的组合，预期收益率为 8%，但其标准差为\n\n\\[\\sigma_p =\\sqrt{0.5^2(0.10)^2+0.5^2(0.20)^2} \\approx 11.18\\%.\\]\n\n这一数值低于两项资产标准差的加权平均值 15%。在同一例子中，最小方差组合将 80% 的资金配置于第一项资产，20% 配置于第二项资产。其预期收益率为 6.8%，标准差约为 8.94%，因此优于仅持有第一项资产的方案。这些结果是根据假定参数推导出的，并非基于实证数据作出的预测。\n\n完全相关属于特殊情形。当相关系数为 \\(+1\\)，且权重非负时，组合标准差就是各项资产标准差的加权平均值，通常的多样化收益不复存在。当相关系数为 \\(-1\\) 时，则可以通过选择适当的权重，使方差完全降为零。这种精确的关系在实际市场中极为少见。根据历史观测数据估计的相关系数，并不构成两项资产将持续相互抵消风险的契约保证。\n\n当可选资产范围更大时，可行投资组合会在预期收益率—风险空间中形成一个区域。如果权重约束界定的是一个凸集，那么将任意两个可行投资组合混合后，所得组合仍然可行。预期收益率以线性方式组合，而投资组合标准差满足凸性不等式。这些性质使低风险一侧的边界具备良好的数学性质。随机生成的投资组合散点图可以展示机会集，但图中可见的外缘未必就是真正的有效前沿：随机抽样可能遗漏分布范围很窄或处于极端位置的有效组合。\n\n多样化也受到共同风险敞口的限制。一个包含数百只股票的投资组合，仍可能集中暴露于某个国家、行业或共同经济因子。若所持资产同样受到某一市场冲击的影响，仅仅增加这类资产的数量，并不能消除组合对该冲击的广泛敞口。国际证券会引入汇率方面的关联；公司和政府发行的债券则会引入期限及信用风险敞口。它们的多样化价值取决于完整的协方差结构。在金融市场动荡期间，波动率及联动关系的变化，可能使投资组合的风险显著高于最初估计所显示的水平。"
    },
    {
      "heading": "前沿的数学构建",
      "text": "构建前沿的一种标准方法是：针对每个目标预期收益率 \\(m\\)，求解方差最小化问题：\n\n\\[\\begin{aligned} \\min_w\\quad & w^{\\mathsf T}\\Sigma w\\\\ \\text{subject to}\\quad &\\mathbf{1}^{\\mathsf T}w=1,\\\\ &\\mu^{\\mathsf T}w=m. \\end{aligned}\\]\n\n当约束为线性约束且协方差矩阵为半正定矩阵时，这是一个凸二次规划问题，属于数学优化的一种特殊情形。凸性意味着局部最小值也是全局最小值。如果 \\(\\Sigma\\) 为正定矩阵，方差目标函数就具有严格凸性，只要约束集非空，解便是唯一的。\n\n当卖空不受限制、投资组合没有其他约束且 \\(\\Sigma\\) 可逆时，可以得到显式解。定义\n\n\\[A=\\mathbf{1}^{\\mathsf T}\\Sigma^{-1}\\mathbf{1}, \\qquad B=\\mathbf{1}^{\\mathsf T}\\Sigma^{-1}\\mu, \\qquad C=\\mu^{\\mathsf T}\\Sigma^{-1}\\mu, \\qquad D=AC-B^2.\\]\n\n只要各资产的预期收益率不完全相同，正定性就意味着 \\(D>0\\)。目标收益率为 \\(m\\) 时，最小方差投资组合的权重为\n\n\\[w(m)=\\Sigma^{-1} \\left[ \\frac{C-Bm}{D}\\mathbf{1} + \\frac{Am-B}{D}\\mu \\right].\\]\n\n该投资组合的方差为\n\n\\[\\sigma^2(m)=\\frac{Am^2-2Bm+C}{D}.\\]\n\n全局最小方差投资组合为\n\n\\[w_{\\mathrm{GMV}} =\\frac{\\Sigma^{-1}\\mathbf{1}}{A}, \\qquad \\mu_{\\mathrm{GMV}}=\\frac{B}{A}, \\qquad \\sigma_{\\mathrm{GMV}}^2=\\frac{1}{A}.\\]\n\n这些表达式说明了为什么在预期收益率—标准差坐标系中，这条边界被描述为双曲线。等价地，\n\n\\[\\sigma^2 =\\frac{1}{A} +\\frac{A}{D} \\left(m-\\frac{B}{A}\\right)^2.\\]\n\n满足 \\(m\\geq B/A\\) 的上支是有效的。下支上的每一点，都有一个方差相同而预期收益率更高的对应点。如果所有资产的预期收益率都相同，上述非退化双曲线公式便不再适用；此时，相应的有效解由全局最小方差投资组合给出。\n\n权重公式是目标收益率的仿射函数。因此，在这条无约束最小方差边界上，任意两个不同的投资组合都可以通过组合来生成边界上的其他投资组合，必要时允许组合系数为负。这就是风险资产两基金分离结论的数学基础。如果存在非负约束或其他起约束作用的条件，通常就无法再用单一的全局仿射关系描述整条边界。\n\n另一种表述方式是最大化以下目标函数：\n\n\\[\\mu^{\\mathsf T}w-\\frac{\\gamma}{2}w^{\\mathsf T}\\Sigma w, \\qquad \\gamma>0.\\]\n\n这里，\\(\\gamma\\) 控制对方差施加的惩罚力度。在适当条件下，改变它的取值可以得到有效解，但极限情形可能需要单独处理。这一目标函数是一种均值—方差偏好的设定；对于任意收益率分布，它并不必然等同于最大化预期效用。在偏好与分布的某些特定组合下，两者严格等价；在其他情况下，这种联系则可作为近似。"
    },
    {
      "heading": "无风险资产、分离原理与资产定价",
      "text": "加入一种在投资期限内收益已知的资产，会改变可行投资机会集。设其收益率为 \\(r_f\\)，某个风险投资组合的预期收益率为 \\(\\mu_q\\)，标准差为 \\(\\sigma_q\\)。将比例为 \\(y\\) 的资金投入该组合，其余 \\(1-y\\) 投入无风险资产，则有\n\n\\[\\mu_c=r_f+y(\\mu_q-r_f), \\qquad \\sigma_c=|y|\\sigma_q.\\]\n\n当 \\(y\\geq0\\) 时，这些组合在预期收益率—标准差空间中位于一条直线上。取值介于零和一之间，表示仅将部分资金投入风险投资组合；取值大于一，则需要借款来增加风险敞口。这属于财务杠杆，并非分散投资带来的额外收益。\n\n在交易不受限制、借贷利率相同且存在正超额收益的风险投资机会等通常假设下，这类直线中最优的一条与风险资产前沿相切，切点所对应的组合称为切点投资组合。该直线的斜率是可达到的最高夏普比率，\n\n\\[S_q=\\frac{\\mu_q-r_f}{\\sigma_q}.\\]\n\n在常规的无约束情形下，切点投资组合的权重为\n\n\\[w_T= \\frac{\\Sigma^{-1}(\\mu-r_f\\mathbf{1})} {\\mathbf{1}^{\\mathsf T}\\Sigma^{-1}(\\mu-r_f\\mathbf{1})}.\\]\n\n要采用人们熟悉的上半支前沿解释，必须满足一定条件，使这个归一化后的投资组合确实是所讨论的、具有正超额收益的切点投资组合，其中包括分母为正。如果无风险收益率与风险投资机会集之间呈现另一种关系，就需要更审慎地解读标准图示和公式。\n\n分离原理是指，采用相同收益率估计且面临相同约束的投资者，可以持有同一个风险投资组合，只是在该组合上的配置比例不同。风险承受能力决定的是资金在风险基金与无风险资产之间的分配，而不一定改变风险基金的构成。这一结论依赖于相应假设。税务状况、投资限制、预测或借款成本的差异，都可能使投资者选择不同的风险投资组合。\n\n将无风险资产与某个选定的风险投资组合相结合所形成的直线，称为资本配置线。在资本资产定价模型（CAPM）中，均衡假设确定市场投资组合就是相应的切点投资组合。由此得到的直线称为资本市场线。CAPM 将单项资产的预期超额收益率表示为\n\n\\[\\mathbb{E}[R_i]-r_f =\\beta_i\\bigl(\\mathbb{E}[R_M]-r_f\\bigr), \\qquad \\beta_i=\\frac{\\operatorname{Cov}(R_i,R_M)} {\\operatorname{Var}(R_M)}.\\]\n\n资本市场线描述的是有效投资组合的预期收益率与总标准差之间的关系；证券市场线描述的则是单项资产及投资组合的预期收益率与贝塔系数之间的关系。两者表达的是不同的关系。\n\n“无风险”本身也取决于投资期限和计价单位。一笔名义支付以某种货币计价时可能是确定的，但仍可能受到通货膨胀或汇率变动的影响。在债券到期前将其卖出，会引入价格不确定性。借款成本通常高于出借资金所获得的收益，因此，实际可实现的投资机会边界可能发生弯折，而不是在所有杠杆水平上都沿着同一条直线延伸。"
    },
    {
      "heading": "估计不确定性与前沿稳定性",
      "text": "根据数据计算出的有效前沿是一个估计结果，而非可以直接观测到的市场对象。对于包含 \\(n\\) 项资产的一般模型，需要估计 \\(n\\) 个预期收益率和 \\(n(n+1)/2\\) 个不同的协方差参数。对于100项资产，这意味着需要100个均值估计值和5,050个协方差估计值。即使历史数据相当丰富，对于如此多的待估计量，其所能提供的信息仍可能有限，尤其是在收益的生成过程随时间变化的情况下。\n\n预期收益率尤其难以精确估计。假设各年的收益率相互独立、参数保持不变，且标准差为20%。根据25个年度观测值计算的平均收益率，其标准误约为 \\(20\\%/\\sqrt{25}=4\\) 个百分点。相较于在大类资产之间进行配置时所依据的许多预期收益率差异，这种不确定性相当大。这一计算仅作示例：序列相关性和不断变化的经济环境还可能使统计推断更加复杂。\n\n优化可能放大估计误差。如果某项资产的估计收益率因抽样噪声而异常偏高，那么除非模型明确考虑了不确定性，否则优化器就会将其视为投资机会。协方差估计中的微小误差也可能使某些多空头寸显得颇具吸引力。对接近奇异的协方差矩阵求逆会进一步放大这一问题，可能导致某些资产获得很大的正权重或负权重，而这些资产之间的估计差异却缺乏充分依据。\n\n有多种方法可以处理这些问题。协方差收缩将带有噪声的样本估计与具有特定结构的目标矩阵相结合，例如基于共同因子或较简单相关性模式的矩阵。因子模型通过共同驱动因素和资产特有成分来表示收益率，从而降低维度。对持仓或杠杆施加约束也能提高求解结果的稳定性，即使这些约束最初主要是出于机构管理方面的考虑。这些方法牺牲了一部分模型灵活性，以降低结果对估计噪声的敏感程度。\n\n布莱克—利特曼模型由费希尔·布莱克和罗伯特·利特曼开发，并在1992年一篇被广泛引用的文章中加以介绍。该模型将市场均衡所隐含的预期收益率与明确设定的投资观点及其不确定性相结合。鲁棒优化采用另一种思路：考虑由合理的参数取值构成的集合，并选择在这些集合中的不利取值下仍能取得可接受表现的投资组合。贝叶斯方法则可以通过参数的概率分布来表示不确定性。这些方法都无法消除对假设的依赖；它们各自改变的是不确定信息进入决策的方式。\n\n绩效评估必须区分估计意义上的有效性与实际实现的结果。基于一个样本优化得到的投资组合，在另一个样本中未必仍然有效。回溯检验可以评估某项既定的投资程序，但如果历史决策中混入了未来信息、表现不佳的资产从数据中消失，或者测试了大量策略却只报告成功的策略，结果就会失真。样本外分析考察资产配置规则在新观测数据下的表现，但它无法证明任何一条估计得到的前沿就是未来投资机会的永久边界。"
    },
    {
      "heading": "约束、交易成本与机构应用",
      "text": "现实中的投资组合前沿通常不仅受资金全额投资条件的约束。只做多的投资授权要求 \\(w_i\\geq0\\)。其他限制可能涉及单项持仓、行业敞口、汇率风险或总杠杆。有些机构还会根据信用评级、期限、法律管辖区或投资政策，限定可投资的证券范围。这些规则在优化开始前就界定了可行集。即使某个被投资授权排除的组合在不受限制的比较中表现更优，也不能据此认定它优于该授权范围内的另一个组合。\n\n在所有输入保持不变的情况下，缩小可行集不可能改善实际可达到的风险—收益边界。对于指定的目标收益，可实现的最小方差只会保持不变或上升；某些目标收益也可能变得无法实现。不过，在基于估计值的实际应用中，约束可以限制优化器对含噪声输入的反应，从而改善后续的实际表现。这是两个不同的论断：前者讨论的是已知的数学机会集，后者讨论的则是依据不完全准确的估计所作的决策。\n\n线性持仓限制会保留问题的二次规划结构。随着目标收益变化，一些持仓会触及限制，另一些则会脱离限制，由此形成一系列由不同起作用约束所决定的边界区段。对持仓数量、最小交易规模的限制，以及固定交易费用，可能使问题变为非凸问题，或需要引入整数决策变量。因此，一个看似简单的附加条件，例如持有的证券不超过30只，就可能大幅改变计算问题的性质。\n\n交易成本使初始持仓变得重要。若 \\(w^0\\) 表示现有投资组合，则可以通过包含下式的项来刻画按交易规模比例收取的交易成本：\n\n\\[\\sum_i c_i|w_i-w_i^0|.\\]\n\n系数 \\(c_i\\) 可以表示佣金和估计的交易价差，而更复杂的模型还会纳入市场冲击。换手率限制、已实现收益税，以及有限的流动性，都可能进一步改变可达到的净收益前沿。在存在固定交易费用时，只有预期收益超过某个门槛才可能进行调整，而不是每当预期收益的估计发生变化就随之连续调整。\n\n不同应用所优化的目标也有所不同。养老基金或保险公司可能更关注资产相对于负债的不确定性，而不只是资产收益本身。某项投资在仅考虑资产的前沿上看似缺乏吸引力，但如果它与机构的偿付义务同向变动，就可能降低该机构资金充足状况的波动。因此，考虑负债因素的分析会纳入资产与负债现值之间的协方差，包括对利率和通货膨胀的敏感性。\n\n主动投资管理人经常以相对于基准的预期主动收益和跟踪误差开展分析。跟踪误差是投资组合收益与基准收益之差的标准差；以此构建的有效前沿不同于基于总收益波动率构建的前沿。机构的投资组合前沿还可以纳入环境方面的限制，或投资授权特有的其他限制。约束优化得出的影子价格可以衡量收紧某项限制对目标函数值造成的局部代价，但其解释取决于模型和当前解，并不能为该限制本身提供普遍适用的货币估值。"
    },
    {
      "heading": "替代风险度量与跨期前沿",
      "text": "方差便于数学分析，却对向上和向下的偏离一视同仁。投资者可能更希望区分温和波动与严重损失，或关注财富跌破最低水平的风险。如果收益分布的前两阶矩足以满足当前决策的需要，均值—方差分析就尤其有参考价值。然而，一般的概率分布可能包含不对称性、厚尾和非线性依赖关系，而这些特征并不能由均值和方差确定。\n\n采用其他风险度量的前沿以另一种风险准则取代标准差。半方差衡量低于选定参考水平的偏差平方。未达标概率衡量未能达到目标的可能性。风险价值给出损失的某个分位数，但其本身并不描述超过该分位数的损失有多严重，也不一定始终体现分散化的好处。预期损失衡量最差的指定比例结果中的平均损失，并通过适当的分位数定义涵盖离散分布。在基于情景的模型中，将其最小化通常可以表述为线性规划问题。\n\n这些替代度量会改变哪些投资组合被视为有效。一个投资组合可能在均值—方差意义上有效，却在侧重极端损失的准则下逊于其他组合。反过来，为防范严重下行情景而购买保护，可能降低预期收益或影响通常意义上的波动率，却改善尾部风险特征。这对于包含金融衍生工具的投资组合尤其重要，因为其非线性收益结构可能产生难以用单一波动率估计值充分描述的分布。压力测试则单独评估选定的不利条件，包括估计样本未能充分反映的情景。\n\n经典有效前沿也是一种单期框架。它评估投资组合在指定期末的财富，而不显式建模期间的资金投入、提取或再平衡机会。在多期环境中，未来投资机会可能取决于收益率、通货膨胀和经济状况等状态变量。此时，一项资产的价值可能部分源于它能对冲未来投资机会的不利变化，而不只是因为它改善了下一期的收益分布。\n\n多期均值—方差优化还引出了另一个问题：方差无法像预期的可加性回报那样按时间分解。在初始时点最优的配置方案，到了之后的时点，若按同一准则重新评估，可能就不再最优。相关研究区分了预先承诺解、时间一致的决策规则和均衡方法。这些概念代表处理未来重新优化问题的不同方式，而不是通往同一投资组合的不同计算路径。\n\n其他目标会在不同的空间中形成前沿。有支出需求的机构可能研究预期消费与资源耗尽概率之间的关系；长期投资者则可能考察期末实际财富或期望效用。期望效用理论通过效用函数评估结果，而不是将所有分布都简化为均值和方差。可持续投资模型可能引入额外的排放或敞口目标，从而形成有效曲面，而非二维曲线。在每种情况下，有效性始终取决于所选目标和可行方案；改变风险度量或经济目的，所描述的边界也会随之改变。"
    }
  ],
  "links": [
    "variance",
    "nobel-memorial-prize-in-economic-sciences",
    "asset",
    "expected-value",
    "pareto-efficiency",
    "risk-aversion",
    "correlation",
    "stock-finance",
    "bond-finance",
    "quadratic-programming",
    "mathematical-optimization",
    "financial-leverage",
    "inflation",
    "backtesting",
    "transaction-cost",
    "liquidity",
    "interest-rate",
    "shadow-price",
    "probability-distribution",
    "expected-shortfall",
    "financial-derivative",
    "stress-testing",
    "expected-utility-theory"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}