irvingy能否说的详细点?包括这方面的survey,这个方法的优劣等等,嘿嘿,麻烦啦

现在一般讲modern portfolio optimization的都会讲到，比如Meucci和Scherer的书，论坛上都有电子版的，一个用matlab，一个用splus

这个最早是Michaud提出来的，古狗一下应该有不少东西

基本道理狠简单，只不过computationally intensive，bootstrap本来就属于statistical computing里面的一个技巧

Markowitz mean variance optimization严重依赖expected return和covariance matrix，非常不稳定，两个里面稍微有一点变化最后的optimal portfolio可能差很多。事实上两个都只能是估计出来的，所以有estimation error，所以这样出来的efficient frontier和真正的可能差狠远

所以现在resample return series，generate a sample of expected return and covariance matrix, and in turn a sample of efficient frontier。然后可以得到efficient frontier的expectation和confidence interval，通常都会比简单的Markowitz低狠多，但是它稳定，对outlier不敏感。

另外一个常用的是Ledoit的shrinkage，古狗一下就有了，有人把两个结合起来用的。