本篇是学海拾珠系列第二百二十八篇，文章介绍了一种新的基于树的模型——Panel Tree（P-Tree），用于分析个体资产收益的面板数据，并在均值-方差有效框架下构建测试资产和潜在因子，以扩展有效前沿。
　　P-Tree模型的构建与美国股票市场实证效果
　　P-Tree模型通过高维特征对个体资产收益进行聚类，生成测试资产和潜在因子，显著推进了有效前沿。模型具有解释性强、计算效率高和稳健性好的特点，为资产定价和投资管理提供了新的工具和方法。美国市场实证结果显示P-Tree模型能显著提升资产定价和投资管理的效果。
　　P-Trees模型拓展
　　Boosting P-Trees通过逐步添加新的因子使投资组合的效率不断提高，显著推进了有效前沿。同时Boosting P-Trees在投资策略中表现出色，具有高夏普比率和显著的阿尔法值，即使在样本外测试中也表现出色。随机P-Trees进一步扩展了P-Tree的模型复杂性，提供了更稳健的SDF估计和特征重要性评估。
　　P-Trees模型评估
　　实证结果发现某些特征（如SUE、DOLVOL和BM_IA）在基准PTree上进一步分裂时，能够显著提高投资组合的表现在不同宏观经济状态下都能有效调整，选择不同的特征进行均值-方差优化。此外，PTree生成的测试资产在极端宏观经济状态下对现有因子模型的挑战更大。
　　文献来源
　　核心内容摘选自Lin William Cong、Guanhao Feng、Jingyu He和Xin He于2025年02月04日在Journal of Financial Economics上的文章《Growing the Efficient Frontier on Panel Trees》。
　　风险提示
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。