自从现代组合投资理论建立以来，相关学者一直致力于资产配置方面的研究，从马科维茨的均值方差模型到风险平价理论再到Black-Litterman模型，有关资产配置的理论模型成果丰硕。然而，从市场的角度说，能够在大量噪声的情况下对市场行为做出正确的预测却是极难的事情，传统的方法与理论在此方面并不是非常有效的。故而，通过能够正确预测市场行为，进而有效配置资产是困难的。
　　自从人工智能诞生以来，经过数十年的发展，相关领域取得了丰硕的成果，特别是近十几年间，计算机行业的进步极大的推动了相关领域理论与应用层面的发展，早在上个世纪就有学者尝试将人工智能领域的方法引入资产配置中。后来，对于时间序列，更是有了长短期记忆模型等优秀的预测模型。通过这些模型，通过正确预测市场的行为，能够更加有效的配置资产。
　　本文假定影响波动率的驱动因素在于股票自身前一期波动率以及收益率，再加上宏观经济因素，然后通过长短期记忆模型来预测波动率，进而通过均值方差等模型进行资产配置，将结果与基准模型做比较，来观察是否更加有效。
　　最后，经过文章的实证分析，结果发现提高波动率的预测准确率确实能够提高资产配置模型的效率。