标签： #均值方差

马科维茨有效前沿的最优权重是「误差最大化器」——样本估计里一点噪声，权重就跳到极端。Michaud(1998) 的重抽样有效性换思路：自助抽样 B 次重估前沿，在同一目标下取权重再平均，把估计误差摊平去噪。本文用 5 资产真实风格参数从零实现，对照经典 MV，把目标组合波动从 12.0% 压到 7.9%、样本外累计更平滑，附完整 Python 与五类真实陷阱（中阶）。

经典均值-方差在小样本下会被噪声牵着走。用正态-逆威沙特(NIW)共轭先验把「主观观点」编码成数学，后验均值自动向先验收缩，后验协方差带可信带，最终权重更稳健、更可解释。

经典均值方差优化对预期收益极度敏感、且对基数/换手等实务约束几乎无解。本文用遗传算法在「精选 K 只、多头、权重和为 1」的硬约束下搜索最优组合，从零实现选择-交叉-变异-精英保留主循环，并与无约束均值方差前沿对比，顺带讲清进化策略(ES)与三大实战陷阱。