近年来以风险平价为代表的基于风险的配置模型广为流行,这些模型的一大特点是放弃回报信息。而以均值方差模型代表的基于回报的配置模型则认为回报很重要而且默认对回报的预测是准确的。考虑到回报的可预测性得到了大量经验研究的支持,那么对于基于风险的配置模型而言,完全放弃回报则意味着有关回报的有用信息得不到充分利用。对于基于回报的配置模型而言,不考虑参数估计误差而且对输入参数敏感的缺点也大大抵消了它们利用回报信息带来的好处。那么,回报是否重要以及应该如何使用回报成了资产配置研究所面临的一个重大问题。为此,本文提出以风险平价为配置基准,以贝叶斯VAR回报预测为主观观点的Black-Litterman(贝叶斯BL)模型回答这一命题。利用1952—2016年的美国股票和债券季度数据,本文将贝叶斯BL模型与现有配置模型进行比较研究。实证结果表明,相比基于回报的配置模型,贝叶斯BL模型降低了组合风险;相比基于风险的配置模型,贝叶斯BL模型增强了组合回报。这些特性来自于它既能利用回报可预测性带来的有用信息,又能够发挥基于风险的配置模型在控制风险方面的优势。因此该模型表现出增强回报和控制风险兼具的特点,是具有潜力的资产配置新方案。