2016年9月11日证监会颁布《公开募集证券投资基金运作指引第2号—基金中基金指引》开启了我国公募FOF产品发行的序幕。经过三年多的发展,市场陆续出现多款公募FOF产品,然而这些FOF产品的收益、规模变现并不理想。在此背景下,基金公司如何探寻适合资金特性的配置方式,以求得稳定的收益,同时为资本市场发展做出贡献成了一个很重要的研究课题。本文就我国FOF和美国FOF行业发展情况做出了对比,发现了FOF配置ETF大类资产的优点及趋势。在FOF配置ETF大类资产的策划中选用了Black-Litterman模型构建FOF资金投资ETF大类资产的模型。首先,运用ARMA-GARCH预测ETF大类资产的收益,作为市场上投资者的主观观点,力图使FOF资金的投资结构更加科学合理。其次,将预测的收益率作为Black-Litterman模型的主观收益。本文的样本数据采用2013年7月18日到2019年10年31日的ETF日交易数据。文章构建了2018年11月至2019年11月FOF资金的Black-Litterman、方差最小、等权重、市场配置策略,对比分析得出:第一,BL模型在马克维持均值方差模型中创新性地引入投资者观点收益,这使ETF资产组合配置相对于市场配置的效率有所提升。BL模型在引入主观观点后,调整了按市场市值权重的配置权重,由于预期的作用,增加减少了相应ETF资产的配置。策略相较于市场配置提高了FOF组合的收益,同时降低了FOF组合的风险。第二,在策略执行的首期,BL模型策略的夏普比率不及最小方差策略及等权重模型策略的表现,但综合整个组合周期的净值表现来看BL模型在稳定组合收益,降低最大回撤、均衡风险上有一定优势。最后,鉴于BL模型使用了历史协方差矩阵的估计方法,在实践过程中容易出现模型不稳定、配置权重出现极端值的情况。因此,本文为了克服极端值的问题采用压缩估计法与BL模型结合的方法对BL策略进行优化。并与前面的策略进行对比。实证结果显示:第一,基于压缩估计法的BL模型在提高FOF资金的收益方面比其他模型的功能更强。第二,基于压缩估计法的BL策略组合具有更高的组合收益以及组合风险,从监管层对FOF资金配置资产的约束条件上看,监管层面有分散FOF各类底层资产的倾向,基于压缩估计协方差的BL模型在求解过程中,能够解决BL策略出现模型不稳定、权重极端值的问题。验证了压缩估计法在求解协方差矩阵过程中优势。第三,在多市场表现出下跌状态时,基于压缩估计法的BL策略的回撤相对其他策略来说更小。在市场恢复的初期,基于压缩估计法的BL策略从净值表现上相对弱于BL策略。市场恢复的中后期,基于压缩估计法的BL策略能够有更好的净值表现。从净值表现上看出基于压缩估计的BL策略更具有实践意义。