雖然馬科維茨的最優投資組合理論具有模型結構精煉、內涵深刻的優點，但是在實際的資產投資活動中，投資者往往更重視其思想而不是具體的模型。而且即使是純粹的數量化決策者，往往也並不會直接套用上一節所敘述的模型來優化資產配比。這是因爲，如果直接使用前面介紹的最優化模型，得到的資產配比結果常常帶有不切實際的偏差。例如，如果最優化問題不帶有約束條件，投資組合中許多資產的最優配置很可能就是規模非常大的空頭倉位。如果最優化問題帶有“禁止做空”“不設槓桿”的約束條件，某些資產的配比可能就直接被優化爲零，另外一些資產則會佔據過多的份額。
這種配比不均衡的最優解所導致的結果，就是模型導出的投資組合並沒有得到很好的分散化，資金過度地集中於某幾項資產之上。雖然使用了最優投資組合理論的數學模型，但是卻失去了最優投資組合理論內在理念的支撐。一些研究者曾使用市場數據對此進行了實證分析，結果發現基於最優投資組合理論得到的投資組合，在實際表現上甚至劣於等權重的簡單投資組合。
造成這一現象的原因，主要是模型的輸人蔘數存在估計上的誤差。而這種估計上的誤差，可能來自第3章3.2節曾介紹過的過度擬合與欠擬合，基於歷史數據的估計結果與資產的實際特性之間有差距，進而造成了樣本估計與未來表現不一致。
可以看到，馬科維茨的最優投資組合理論中的輸人蔘數較多，預期收益的數據量與資產數量一致，預期協方差矩陣的數據量則是資產數量的平方。各個參數中都存在或多或少的估計誤差，這些估計上的誤差通過整體模型混合在一起，最終會造成非常嚴重的偏差。
與此同時，通過最優投資組合理論計算得到的資產配比結果對輸人數據的變化非常敏感。一方面，這一特性本身就不利於最優投資組合理論的實際應用;另一方面，該特性會疊加模型輸入參數中估計誤差，使得最優化結果與合理配比之間形成非常大的差異。
要解決馬科維茨最優投資組合理論的這些缺陷與問題，研究人員提出了許多不一樣的方案。這一節中作者主要介紹其中的兩種方案，即改變最優投資組合理論的約束條件和Black-Litterman模型。