投资组合管理可以分为资产风险与收益的估计、最优化投资组合构建、组合绩效评价三个阶段。均值-方差理论被广泛用于组合优化配置过程,然而“极端权重”、参数估计不稳定、协方差矩阵变量众多等缺陷,是限制其实证效果的主要症结。针对这一情况,国内外学者通过引入贝叶斯方法、矩约束、稳健控制等前沿技术,用以降低最优组合的样本风险。那么这些估计改进技术,能否提高均-方框架下的投资模型在中国股票市场中的业绩表现呢?我国证券市场作为国际资本体系中的新兴之地,发展历史短、研究数据不足、非随机性波动显著,与欧美成熟市场相比,有着其独特性质。因此讨论该框架下的投资组合模型在中国市场中的投资效果与适应能力具有重要意义。本文选取上证50指数的成分股作为投资范围,上证指数和上证50指数作为市场基准指数,以2008年1月1日到2012年12月31日作为整个样本区间,进行组合实证研究。通过引入投资者风险厌恶系数γ,并设定γ的两个特殊取值,我们得到均值-方差与最小方差两种组合构建方法。分别从基于历史数据进行参数估计的原始抽样MV与Min模型出发,考虑贝叶斯先验、Stein收缩、稳健估计、二阶矩结构约束等方法进行收益率参数改进。文章派生出原始模型的三个变种,加上等权组合,共生成了9种不同的最优投资组合,并在我国证券市场进行定期调整、滚动的持有策略。进一步从组合风险收益、投资者效用、交易费用三个角度出发,通过夏普比率、确定性等值、交易成本等评估指标,比较了最优组合之间、组合与市场基准指数之间,在6个月形成期下的绩效优劣和误差改进效率,并以此为基础分析这些模型在中国证券市场中的适用性和有效性。此外,本文还考虑了加上权重约束和风险厌恶系数变化对组合的影响。实证结果表明,(a)在不存在权重限制条件下,等权组合在所有九种投资组合中,对大部分持有期表现最优,原始抽样Min模型与Bayes-Stein收缩模型次之。最小方差组合构建方法通过忽略均值对异常值的强敏感性,降低估计误差,较均值-方差方法能提高组合绩效的判断,在实证中得以验证。(b)包括卖空限制在内的权重约束引入,改善了所有模型投资组合的市场表现,降低了波动风险。选取γ=∞的最小方差方法的模型组合战胜了以上证指数为代表的市场基准指数,此时常量相关模型的投资绩效最优,等权组合依然具备较良好的效果和优越性,但Y为50时均值-方差方法下的模型无法优于市场。(c)基于本文所采用的样本区间2008年-2012年,遗漏因子模型作为单指数模型与数量阵方法的收缩组合,改进效率最高。单指数模型、Bayes-Stein收缩模型、常量相关模型都在一定程度上起到了改进原始模型的效果,但扩散先验与稳健估计方法在中国证券市场,模型改进与适用能力并不强。(d)投资者风险厌恶系数γ对原始抽样MV模型、扩散先验模型、稳健估计模型的影响单调,系数越大,模型效果越好,但其对Bayes-Stein收缩模型的作用并不明显。