近年来,随着我国经济贸易全球化的不断发展,我国的资本市场不仅受到国内基本面的影响,而且还受到国际资本市场的冲击。国内资本市场,尤其是股市,表现出比以往更多波动性和不确定性,给广大投资者带来了更多的挑战。一直以来,在控制风险的前提下,如何配置资产,并且保持较高的收益,成为学者们不断研究探讨的课题。现代投资组合理论开创者Markowitz认为多元化的投资组合可以分散非系统性风险,并且在1952年通过量化的数学模型,构建了现代投资组合理论的框架。随后几十年,各国学者根据不同的市场状况,提出了相应的模型,其中1992年提出的Black-Litterman资产配置模型就是一种很好的优化。该模型在传统的M-V模型基础上添加了投资者的主观观点,然后求解出一个新的投资权重用于资产配置当中。然而,在如何选取确定主观观点的过程中,原始的Black-Litterman模型过于随意性。在波动程度较大的市场环境中,该模型具有一定的缺陷和不足。因此,本文在Black-Litterman模型的基础上,首先利用径向基函数神经网络模型获取量化的观点作为输入；其次,利用GJR-GARCH-M模型捕捉市场复杂的波动规律。将两者得到的结果替代原Black-Litterman模型中的投资者主观观点,最终以新模型求解新的投资权重,可以有效的提升投资组合整体收益状况。实证部分,本文选取了沪深300指数中不同行业的50只股票作为样本。采用结合了GIR-GARCH-M模型和RBF模型之后的Black-Litterman模型,获取新的资产配置权重,并以该投资组合权重获得新的收益,与传统的M-V模型和Black-Litterman模型进行了对比。实证表明,优化后的模型具有一定的优越性,能够为投资者带来更好的投资绩效。