随着马科威茨在1952年提出均值-方差模型,首次把统计学理论带入资产配置的研究领域后,资产配置理论开始得到长足的发展,并且越来越多地运用到数量化工具。包括随后的资本资产定价模型(CAPM)；由Black和Litterman提出的在均值-方差模型的基础上,引入主观的收益观点并利用贝叶斯方法,最后推导出全新的资产配置模型-—Black-Litterman模型。最近发展比较迅猛的关于资产配置的理论是在线资产配置的方法,这些理论认为市场是不断变化的,传统的资产配置模型在动态性上表现力不足,而在线资产配置方法可以解决这方面的缺陷。在线资产配置方法是利用不断发展的在线学习算法,结合市场特征来构建资产配置模型。一个典型的在线资产配置模型是CWMR模型,它是利用置信度加权学习算法(Confidence-Weight)并结合资本市场存在价格反转的金融异象来建模的。CWMR模型首次将行为金融学中的价格反转效应引入在线模型中,具有开创性,本文是在此模型基础上进行一系列研究和探讨的,试图对过往的模型做出一些补充和改进。首先,当前的行为金融理论指出,价格反转效应确实存在于金融市场,不光如此,同时存在的还有价格动量效应。因此,本文利用CW算法,结合价格动量效应推导出了CWMS动量模型,是对CWMR的一个补充。其次,对于当前市场状态是动量效应比较明显还是反转效应比较突出的判断,我们希望寻求一个更加准确的方法。本文利用HP滤波来对过去一段时间的价格进行提取趋势项和波动项,并构建了一个类似信噪比的指标来判断。最后,本文利用上述的指标来构建模型的切换机制,结合CWxMR反转模型和CWMS动量模型提出了一个全新的在线资产配置模型HP-CWMRMS模型,要达到的目的就是模型能在动量效应较强时自动运用CWMS模型而当反转效应较强时自动运用到CWMR模型上。本文将在解决上述问题的基础上将新的模型对中国金融市场的行业配置进行实证分析,比较它与CWMR模型的效果。