自1952年马科维茨的资产组合理论开启了现代资产配置理论后,资产配置理论成为一门重要的学科,为投资者进行资产配置提供了重要的依据和方法。随着计算机技术的兴起,高维矩阵计算的问题被解决了。由于资产的各个特征是随时间变化的,因此,资产配置理论延续出的一个重要分支,就是最优资产组合再平衡的问题。投资组合再平衡是一种强大的风险控制策略。随着时间的流逝,由于投资组合的不同投资产生不同的回报,投资组合偏离了其目标资产配置,获得了可能与投资者的目标和偏好不一致的风险和回报特征。重新平衡策略通过规范以下准则来解决此风险:确定投资组合的监控频率,资产分配在重新平衡之前偏离目标的程度以及定期重新平衡是否应将投资组合恢复到其目标或某个特定值。由于每条准则都会影响投资组合的风险和回报特征,因此选用不同的准则带来的结果大不相同。由于波动率是公认的衡量资产风险的指标,且能够与市场相联系,因此更多的被用来作为再平衡的基础指标。对于资产组合,根据马科维茨资产最优配置理论,一个非常重要的输入参数是协方差矩阵。大多数研究是将经验协方差矩阵作为资产组合的风险指标输入资产配置模型,得到最优权重。但Bouchaud和Potters（1997）指出,经验协方差矩阵带有巨大噪声,用经验协方差矩阵衡量资产组合的风险会导致巨大的偏差。而利用随机矩阵理论（RMT）降噪后的协方差矩阵能够更加真实的反映出资产与资产之间的相关性。也就可以更好地衡量资产组合的真实风险。因此,将RMT降噪后的协方差矩阵作为估计的协方差矩阵,进行资产组合最优配置和再平衡依据的指标,可以取得更好地结果。基于上述分析,确定研究思路为:第一,利用RMT理论,去除方差协方差矩阵的噪声信息,捕捉资产协方差矩阵携带的真实信息,即用RMT理论来捕捉协方差矩阵的特征信息,进而计算出“清洁”协方差矩阵,作为参数,计算最优资产组合权重。第二,使用RMT理论对经验协方差矩阵进行分解,并将协方差矩阵的真实信息抽象为特征因子,用特征因子的变化来代表资产组合协方差矩阵的变化。第三,设定显著性水平,用Kolmogorov-Smirnov检验判断特征因子是否发生了突变。只有特征因子发生了突变,即资产组合的风险结构特征发生突变,才进行资产组合再平衡调整。简单来说,通过三个步骤（使用RMT理论捕捉资产组合协方差矩阵信息、构建协方差矩阵的特征因子并根据特征因子的突变进行再平衡调整）,共同改进投资策略。本文得出的结论有以下三个:第一,在样本期内,RMT理论降噪后的资产组合的收益较高,波动比较小。夏普比率要高于以马科维茨经典最优资产配置理论为基础的基准组合。第二,分析出RMT协方差矩阵的第一特征值代表着市场信息,第二个和第三个特征值代表着行业信息。以此为基础,很好的构建了代表市场真实信息的特征因子,基于金融市场真实信息变化,进而资产组合协方差矩阵变化（通过构建的特征因子变化）来调整资产组合,以达到使资产组合处于最优资产组合的目标。依据特征因子突变进行的资产组合再平衡调整,代表着跟随金融市场以及宏观经济的变化去调整资产组合,减少了不必要的调整（表现为样本期外资产组合调整次数减少至MW组合的1/5）,节省了手续费（表现为交易成本约为MW组合成本的1/4）,也应对了必须的调整（表现为2008-2009年全球经济危机、2015-2016年中国股灾这两个时间段交易成本上升速度较快）。第三,证实了RMT理论降噪后的协方差矩阵更接近资产组合的风险结构（表现为RMT组合的多样化程度更高）,也因此获得了多样化带来的收益提高（年化收益是MW组合的5.49倍）和风险降低（年化波动率低于MW组合）的好处。所以,必然的得到了,RMT组合的夏普比率高于MW组合。因此,采用RMT理论降噪后的协方差矩阵做为最优资产组合配置的输入变量,计算资产组合最优权重,以及根据协方差矩阵分解后的构建的特征因子的变化调整资产组合,进行再平衡,能够在承担更小的风险的情况下得到更好的收益。