多因子更优，RMT保留特征数量较少，提升特征数量优化提升。对于多因子模型来说，构建的最小方差组合优于基准，“多空”和“多”的限制下，都是超70%;而直接采用随机矩阵理论得到的结果明显差于“基准”模型;对于个股样本协方差矩阵直接采用“特征向量调整”，无限制即“多空”下，64.84%的时间下，是优于“基准”，而在限制做空即“多”下，是明显差于基准的。RMT保留的特征数量约为8个左右，当提升保留特征值数量时，优化组合有提升，超原始RMT的胜率为72.53%。
　　样本因子矩阵更有利于组合优化。原始因子协方差矩阵经过特征向量调整、Newey West调整、VRA调整后，优化最小方差组合的波动率，相比原始因子协方差的结果，最小方差组合波动率没有明显变化，仅略有升高。但超越原始因子协方差的结果胜率明显低于50%。
　　特质波动率RMT调整有明显提升,仍弱于基准对角矩阵。特质波动率RMT调整虽然效果超越比基准组合仅为45.05%，但是随机矩阵是对特质波动率样本协方差(含对角项)进行去噪声，与其比较效果波动率和胜率提升明显，但是对组合个股权重约束后，效果下降。对特质波动率采用贝叶斯收缩和自相关调整时，在组合个股权重约束的情况下，提升效果明显。
　　风险提示:报告结论基于历史价格信息和统计规律，但二级市场受各种即时性政策影响易出现统计规律之外的走势,所以报告结论有可能无法正确预测市场风险，报告阅读者需审慎参考报告结论。