### 传统均值 - 方差模型的局限性
1. **假设不现实**：该模型假设资产收益率服从正态分布，但实际中资产收益率常常呈现出尖峰厚尾的特征，即极端事件发生的概率比正态分布假设下要高，这会低估投资风险。
2. **数据依赖强**：模型依赖历史数据来估计均值和方差，但金融市场环境多变，历史数据未必能准确反映未来情况，导致预测的准确性降低。
3. **忽视高阶矩**：只考虑了均值（一阶矩）和方差（二阶矩），忽略了偏度（三阶矩）和峰度（四阶矩）等信息。而偏度反映了收益率分布的不对称性，峰度反映了极端值的可能性，这会影响投资者对投资组合的风险和收益的判断。

### 改进方法
1. **引入非正态分布**：运用更符合实际市场情况的分布模型，如学生 t 分布、广义误差分布等，以更准确地描述资产收益率的分布特征。
2. **结合其他分析方法**：将基本面分析、技术分析等与模型结合，纳入更多影响资产价格的因素，提高对未来市场走势的判断能力。
3. **考虑高阶矩**：在模型中加入偏度和峰度等指标，构建均值 - 方差 - 偏度 - 峰度模型，更全面地评估投资组合的风险和收益。