传统均值-方差模型在投资组合优化中存在以下局限性：

收益率分布假设：模型假设资产收益率服从正态分布，这忽略了市场收益可能存在的肥尾风险和异常波动。

参数估计不稳定：模型依赖于历史数据进行参数估计，而历史数据未必能准确预测未来市场表现。

忽略交易成本和流动性：模型通常不考虑实际交易中的成本和流动性问题，这可能导致理论最优组合在实际操作中不可行。

投资者偏好差异：模型没有考虑投资者的不同风险偏好和行为特征，未能全面反映个体投资决策过程。

计算复杂性：在实践中，计算过程可能复杂，尤其是当资产数量增多时，模型的实操性降低。

改进方法：

采用非正态分布模型：使用极值理论或其他非正态分布模型来更好地描述收益的实际分布，捕捉市场的极端事件。

引入正则化或贝叶斯估计：使用正则化技术（如L1/L2正则化）或贝叶斯估计来优化参数，增强模型对未来预测的稳定性。

加入交易成本和流动性约束：在模型中引入交易成本约束和流动性指标，使得优化结果更具实用性和现实意义。

结合行为金融学：纳入行为金融学理论，考虑投资者的心理和行为因素，以提高模型对个体投资者决策的适应性。

简化计算过程：采用更高效的算法和方法，简化计算过程，提高模型的实操性，使其更易于应用。

通过这些改进，可以增强均值-方差模型的实用性和准确性，更好地满足投资管理的需求。