纸面最优，未必能下单
想象你整理衣柜：纸上最省空间的方案，可能要求你每天搬动所有衣服。组合优化也有类似问题。经典的“均值—方差优化”会在预期收益和波动之间权衡，算出资产权重；但若不计买卖摩擦，它可能建议频繁做小幅调仓。Gordon Ritter 的文章从标题看，讨论的是如何在现实成本与约束下，用显式方法处理组合优化。值得注意，但目前公开材料只有标题和作者信息，具体结论无法核查。
把“能不能交易”写进题目
交易并非免费：买卖会产生价差、手续费，也可能推动市场价格。把这些成本写进优化目标，意味着只有预期收益足以覆盖摩擦时，调仓才值得执行。
账户还有组合约束——例如不能做空、单一资产权重上限、杠杆上限或行业暴露区间。它们决定数学上的最优权重能否变成实际仓位。
文章标题中的“显式方法”，通常指把最优仓位写成输入参数的公式或分段公式，而不是每次交给通用数值求解器。这样可能更快，也更容易解释；真正关键的是，它究竟能覆盖哪些成本形式和约束。
为什么值得关注
据 Gordon Ritter 官方个人主页，这是一篇 2026 年单作者作品，已获接收，将发表于 Quantitative Finance。主页显示，Ritter 在 Baruch、NYU Courant 和 Columbia 兼职任教，也在业界管理跨资产系统化绝对收益策略；其研究涉及组合构建、最优执行、市场冲击和贝叶斯方法。
局限与未知
- 公开页面没有摘要、正文、方法细节或实证数字。
- 目前不能确认具体成本函数、约束集合及显式解法的适用边界。
- 也没有材料证明该方法已在真实投资中有效。