如何处理投资组合优化中的估计误差？
所有投资组合最优化过程都涉及估计收益率的均值、收益率的方差以及相关系数。经典的Markowitz (1952)的方法将估计出的参数当做真实值，并忽略了估计误差。Frankfurter, Philllip，和Seagle ( 1971) ; Dickenson ( 1979) ,Best和Grauer (1991)以及其他一些人指出估计误差会扭曲投资组合的选取过程，从而导致整个资产组合在样本外的表现很差。
常见的克服估计误差的方法就是从误差自身中获取信息。一种叫贝叶斯方法的技巧提出，通过比较系统的预测结果和实际表现，系统可以从其自身的估计误差中学习相关信息。进而，投资组合优化系统会基干其学习到的知识来修正后来的预测。在纯粹的系统化环境中，这种自我修正过程是没有任何人为干预的。贝叶斯自我修正机制也常称为“遗传算法”。
在贝叶斯方法中，某只证券收益率均值的估计值被当做是随机变址，并且依据先前所获得的信息，或称先验(prior),呈现出一定的概率分布。之后所有的期望值都根据估计所得的分布计算得出。多重先验( multiple priors)可能会代表多个投资者或者分析师的意见，因而可以提高估计值分布的准确性。