近年来,随着金融市场的完善与发展,投资者投资意识的加强以及量化金融技术的发展,选择有效的量化模型以提高资产配置效率成为金融投资领域重要的研究方向之一。本文将能够良好量化投资观点的资产配置模型——Black-Litterman模型作为研究对象,分别引入经济周期和神经网络两种不同的量化投资观点实现模型改进,并将改进后的模型运用于中国股票市场投资中。经算例结果证明,改进后的模型可以有效提升投资组合的资产配置效率,实现了基于Black-Litterman模型的证券投资组合策略优化。本文第一章介绍了市场对于优化证券投资组合的需求增加,以及学者对于Black-Litterman资产配置模型的研究成果。第二章介绍了现代投资理论,并针对Black-Litterman模型的参数设置和数学推导进行详细地阐述。第三章介绍了径向基函数神经网络的基本原理和应用。本文选择2005年1月7日至2020年12月31日期间的沪深300十个行业指数作为配置资产,首先基于径向基函数神经网络模型预测出2021年1月8日沪深300各行业指数的收益情况,进而生成量化投资观点,最后运用Black-Litterman模型构建证券投资组合。第四章介绍了经济周期的划分理论,首先通过GDP同比数据来划分经济周期,分析在各经济周期下沪深300各行业指数的收益表现,继而生成量化投资观点,然后运用Black-Litterman模型构建证券投资组合,最后引入均值-方差模型组合和等权重组合,通过测算不同模型组合收益与风险,对比各模型投资组合的配置效率。第五章总结本文的研究结论并提出未来的研究展望。本文的主要结论包括:（1）投资者对观点的信心水平不同,根据Black-Litterman模型的资产预期收益率排序不同。（2）一般情况下,资产预期收益率越大,根据Black-Litterman模型配置的权重越大。（3）基于量化投资观点的Black-Litterman模型能相应提高证券组合的配置效率。在本算例中,相较于径向基函数神经网络模型量化的观点,基于经济周期量化投资观点的Black-Litterman模型组合表现相对较好。