对收益估计的误差可能导致均值-方差模型表现不佳。虽然Markowitz的均值-方差模型已得到了广泛的应用，但学界发现，均值方差模型中的参数估计误差对于结果影响非常明显，错误的参数估计方法可能导致投资者在使用均值-方差模型后，获得的真实投资收益与预期结果相差甚远。
　　传统指数增强模型框架下构建量价多因子1.0组合。使用国盛特色量价因子作为因子暴露构建国盛量价多因子1.0组合，月度换仓频率下相比中证1000指数能够获得10.15%的年化超额收益，跟踪误差为4.29%，信息比率2.37，月度胜率73.47%。
　　利用随机优化可以在指数增强中加入低收益厌恶。将个股未来收益看作随机变量，构建带有随机项的低收益厌恶指数增强模型，能够描述投资者对组合未来收益较低的厌恶。引入分布鲁棒优化(DRO)，可以通过构建模糊集求解带有随机项的低收益厌恶指数增强模型。
　　量价多因子2.0中证1000指数增强组合表现优秀。使用带有低收益厌恶的DRO指数增强模型构建国盛量价多因子2.0组合。在因子暴露及约束条件不变时，2.0组合表现相比1.0组合全面提升，组合对冲中证1000指数年化超额收益提升至12.57%，信息比率2.49，月度胜率81.63%。
　　因子失效时DRO指数增强模型能一定程度减小回撤。若回测期内存在因子失效严重的时段，DRO指数增强模型能够一定程度降低回撤，模型更加稳健。
　　风险提示：以上结论均基于历史数据和统计模型测算，如果未来市场环境发生变化，不排除模型失效的可能性。