用过去行情挑出一组“既跟得住指数、又有望多赚一点”的资产，像按旧天气预报收拾行李：历史经验很有用，但市场一换季，原先的收益与风险关系就可能失效。Jun Cai 与 Zhiqiao Song 的这项研究，正是给增强指数跟踪加上这层防备。增强指数跟踪，是在尽量贴近基准的同时，允许持仓有限偏离，以争取超额收益。
论文不把资产和指数的历史联合分布——也就是它们通常如何一起涨跌——当成确定答案，而是在一组可能的分布中按最坏情况配置组合。模型同时压低最坏情形下的平均损失与下行风险，后者专门衡量亏损或未达目标的坏结果，并要求最坏情形下的平均回报达到门槛。最值得注意的是，作者没有只防亏损，而是用权重在平均损失和下行风险之间取舍，并证明所得组合具有 Pareto 最优性：若想继续改善一边，就必须牺牲另一边。作者称，真实市场数据的样本外测试中，这种做法在累计财富及 Sharpe、Sortino、Omega 比率上胜过基准指数、等权组合和若干稳健模型；但现有材料未披露具体市场、区间和提升幅度，结论仍需结合完整实验判断。