所有投資組合最優化過程都涉及估計收益率的均值、收益率的方差以及相關係數。經典的Markowitz (1952)的方法將估計出的參數當做真實值,並忽略了估計誤差。Frankfurter, Philllip,和Seagle ( 1971) ; Dickenson ( 1979) ,Best和Grauer (1991)以及其他一些人指出估計誤差會扭曲投資組合的選取過程,從而導致整個資產組合在樣本外的表現很差。
常見的克服估計誤差的方法就是從誤差自身中獲取信息。一種叫貝葉斯方法的技巧提出,通過比較系統的預測結果和實際表現,系統可以從其自身的估計誤差中學習相關信息。進而,投資組合優化系統會基幹其學習到的知識來修正後來的預測。在純粹的系統化環境中,這種自我修正過程是沒有任何人爲干預的。貝葉斯自我修正機制也常稱爲“遺傳算法”。
在貝葉斯方法中,某隻證券收益率均值的估計值被當做是隨機變址,並且依據先前所獲得的信息,或稱先驗(prior),呈現出一定的概率分佈。之後所有的期望值都根據估計所得的分佈計算得出。多重先驗( multiple priors)可能會代表多個投資者或者分析師的意見,因而可以提高估計值分佈的準確性。