资产分配法 （Asset-only approach）：不考虑负债结构，仅按照给定的风险水平，最大化收益水平。
资产分配法具体方法
1、均值—方差法 （Mean variance，以下简称MVO）
根据马克维茨的经典投资组合理论，最优资产分配被定义为：在确定的风险水平下，该资产组合的收益率最高，或者，在确定的收益率水平，该资产组合的风险最低。在数学上确定有效边界、确定最优投资组合的方法，即均值—方差法。
虽然理论上通过均值—方差法可以求得最佳投资组合，但是实际上，投资者极少用此方法，原因是：
第一，用均值—方差法构造投资组合需要假设通过历史数据对未来进行预期是准确的、确定的。这和市场实际明显不符。 过去不能代表未来！
第二，均值—方差法很难应用。因为组合中任一资产的任一预期经历哪怕小小的变动，对最终的投资组合构成会造成很大影响(highly sensitive)。
第三，投资者不仅仅只关注收益的均值与方差。非正态分布情况下，还要考虑偏度与峰度等。
第四，资产配置可能会出现单一资产过度集中的可能(concentrated)。
第五，风险或许没有分散化。例如，不同资产类型，可能对同一风险有交叉。
第六，MVO并没有直接联系着负债的价值。
第七，MVO实际上是单周期的结构(single-period framework)。
针对这些缺点，相应的改进方法应运而生。
2、蒙特卡洛模拟法(Monte Carlo Simulation)与 3、重抽样MVO法 (Resampled MVO)
这是MVO方法的补充。它很好的帮助解决了单周期结构的问题。
其他优点：
第一，当投资者的风险容忍度不可知时，它也能描绘出一个潜在未来结果的逼真画面。
第二，它可以考虑进交易/再平衡成本和税收的影响。
第三，它可以解决路径依赖的问题。
重抽样MVO法本质上是一种蒙特卡洛原由网模拟法。
该方法时蒙特卡洛模拟法的以一种延申，可以很好的解决MVO方法中输入变量过于敏感的问题。
这个方法简单来说，就是通过冲抽样，得到很多有效前沿（有效前沿集原由网），再对这些有效前沿取平均，得到一条平均的有效前沿。
其他优点：
这样可以使资产配置更加分散化。
缺点：
第一，有些 有效前沿是凹凸不平的(concave “bumps”)。
第二， 这些风险资产的配置可能会产生过度拟合的问题。
第三， 最初的输入变量可能就存在估计错误的问题。
第四， 这种方法是一种纯统计学方法，缺乏理论支持。
4、 反向最优法（Reverse Optimization)与 5、Black-Litterman法
反向最优中，假设资产的最优权重作为输入变量，一般为资产的市场价值比重，反求出资产的预期收益率。因此，得到的预期收益率，是可以反应系统性风险与市场上一致性的观点的。这种方法不像传统的MVO方法那样，求出资产的权重。
然后组合经理对预期收益率常常有自己的预期和观点，因此结合经理的观点与市场上一致的观点，这就是Blackwww.58yuanyou.com-Litterman法。
这俩种方法都可以帮助解决MVO对输入变量过于敏感的问题。
其他优点：
第一，结合了投资者自己对期望收益率的预测。
第二，它能使资产配置更好的分散化。
6、添加约束变量（Adding Constraints)
这种方法可以很好的帮助解决MVO方法种资产配置过度集中的问题。
在最优化问题中融入真实世界的约束，比如不允许卖空（也就是权重大于零），这样就能克服MVO方法中所产生的一些潜在问题。
当然存在很多方法去解决MVO方法的问题，以下就做一个更简单的介绍。
7、其他非正太最优化方法
第一，这些方法可以帮助解决MVO方法只关心均值与方差的问题。
第二，考虑到了投资者非对称性的风险偏好。
8、风www.58yuanyou.com险预算(Risk Budgeting)与基于因子的资产配置(F//www.58yuanyou.comactor-Based Asset Allocation)
这种方法可以帮助解决资产类别间对同一风险存在交叉的问题。
