马可维茨(Markowitz)在1952年提出的均值-方差模型,将投资者对风险与收益的权衡表示为一个二次规划问题,从而开辟了金融定量分析的基础,也奠定了现代投资组合理论的基础。在将均值-方差模型应用于实际投资时,必须要对目标资产的预期收益与方差进行预先估计,再将估计值代入到模型中求解。所有的估计都会存在估计误差。然而,传统均值-方差模型的一大缺点正是对参数的估计误差非常敏感,导致其样本外的表现不佳,无法有效分散风险,同时对参数的敏感性导致投资组合的权重频繁变动,带来不必要的交易成本。为了减小估计误差的影响,研究者提出了采用稳健估计与压缩估计的方法,在将均值与方差等估计输入到模型求解之前,先对这些估计进行处理,较为成功的方法有James-Stein估计的均值-方差模型(JS)与Black-Litterman模型(BL)。近年来,稳健优化模型逐渐引起了学术界的关注,稳健优化模型能够估计量的不确定性,以不确定集的形式加入优化模型的约束。相比原先将控制估计误差与优化模型视作独立的两个步骤,稳健优化能够在一个统一的模型中,同步实现投资组合优化与控制不确定性。本文通过基于蒙特卡洛模拟的方法以及基于真实历史数据的滚动回测的方法对稳健优化模型进行了分析,并与传统的均值-方差模型以及稳健／压缩估计模型进行比较。实证结果表明,稳健优化模型与稳健估计模型,在多数情况下,相比传统的均值-方差模型在不同的市场阶段都具有更优的样本外表现,同时稳健优化与稳健估计模型能够有效控制投资组合的权重调整,以实现对交易成本与交易费用的控制。在各个稳健优化模型中,基于椭球不确定集的稳健优化模型表现最好。然而,稳健优化模型与稳健估计模型也表现出了一定的对模型参数的敏感性,当市场风险厌恶程度较为极端或者模型的估计误差较小时,稳健优化模型与稳健估计模型的表现可能会弱于均值-方差组合。本文总共分为五章,第一章介绍了研究的基本背景以及文献综述。第二章介绍估计误差对均值-方差模型的影响,以及稳健估计与压缩估计对减小估计误差做出的改进。第三章介绍了稳健优化模型在投资组合管理中的应用,并给出了基于“盒状”不确定集与基于椭球不确定集的两种形式的模型表述。第四章基于中国的历史数据对稳健优化模型进行了实证分析。第五章则是对本文内容的总结以及对未来研究的展望。