本文通过使用模型预测控制（MPC）进行动态资产配置优化,该控制是基于非参数贝叶斯方法即分层狄利克雷过程对收益率未来均值和方差的预测结果。模型预测控制方法因其滚动优化,既符合每一时期更新投资决策的动态优化投资理念,同时具有计算简便性。本文在模型中添加了交易成本和持有成本的约束条件减少模型误差,以最大回撤来控制投资者风险厌恶条件,在改进最大回撤控制函数的基础上通过时变参数能够更加灵活地改变配置策略。现实中个股的选择会受到各种因素的影响,尤其是市场和行业变化。而研究行业配置体现了如今的风格投资趋势,大类资产配置可以给予投资者对整个市场的把握。本文先使用训练集和模拟数据估计模型的优劣,后续采用上证行业指数进行实证检验,与1/N策略、实际基准指标以及以HMM为预测模型的策略比较。通过调整投资者风险厌恶系数控制实际回撤值,添加杠杆可以在不增加最大回撤的情况下增加收益。本文的回测时间样本为2012至2019年,其中2015至2016年市场经历了大幅波动,研究其前后时间段的资产配置,模型得出的结果走势与指数的收益风险比较一致,但其回报超越了基准回报、等权重以及HMM策略的配置方案。我们尝试通过使用模型预测控制的滚动优化思想,在分层狄利克雷预测模型的基础上给出最优的动态资产配置方案,改变最大回撤条件,为投资者提供一种较为简便快捷的投资策略,实际生活中需要我们根据市场宏微观具体情况做出合理的决策,后续还需要更加深入的研究。