针对Black-Litterman模型中投资者观点的量化问题,运用梯度提升回归树(gradient boosting regression tree,GBRT)算法对收益率进行预测,将预测值作为观点收益的替代变量,算法迭代收敛时的均方误差作为观点误差。采用上证380的10个行业指数数据检验文中提出的参数优化方法的有效性及合理性。结果表明,结合GBRT算法的Black-Litterman模型的投资绩效优于市场策略和Markowitz模型。