资产配置是投资过程中最重要的环节之一,而如何选择符合投资者偏好的配置模型这个问题一直都是投资者关注的重点。自1952年马科维茨开创了资产配置的均值-方差理论以来,现代金融学的进展和资产配置理论的发展息息相关。时至今日,如何寻找构建一个高效的量化金融模型,已经是几乎所有投资机构都在关注问题。本文在理论部分首先系统性的介绍了一些常见的度量风险的方法,主要包括波动率以及在险价值。然后分析了包括马科维茨均值方差模型在内的一些常见的资产配置模型,对不同模型对应的投资风格偏好和各自的优缺点进行了详细的探讨。因为这些模型都需要诸如预期收益和真实协方差阵这样的参数,然而直接使用样本均值与协方差的估计有时会造成不小的误差。针对这种情况,本文总结了一些在面临不同环境下有效的参数估计方法,阐述了其对应的估计思想以及可行的计算方案。实践部分,本文在A股市场中选取了7只不同行业的大市值股(龙头股)构成标的资产集,然后将理论部分详细介绍的最大夏普模型和风险平价模型用以进行资产配置的构建。在对应参数估计上,参用样本直接估计法,收缩估计和单因子模型估计三种方法进行对比。实验结果表明最大夏普模型确实具有高收益高风险特点,而风险平价模型也能有效的分散风险降低波动率。在参数估计上,收缩估计仅在数据窗口时间很短时具有不错的表现,单因子模型估计在窗口合适时效果更佳。实践部分的第二部分是本文的创新点。在针对各种资产配置模型都无法有效降低资产的最大回撤率的情况下,本文提出了模型选择器和对应的混合模型的概念。之后给出了一种可行的混合模型,将其作用在所选择的标的资产集合上,得到了不错的回测结果,在相对最大夏普模型和风险平价模型不损失过多夏普的情况下有效的降低了整体的最大回撤率。最后将混合模型的作用范围进行扩展,分析了基于其定义在一般投资模型中的应用价值,并在市值单因子模型上给出了一个表现良好的应用实例。