样本协方差在肥尾分布下不是慢慢变差，而是被极端日直接绑架——一个 ±15% 的异常日进入平方项后能扭曲整个相关结构。Tyler（1987）的 M-估计量给出一个漂亮的解法：把每天的收益向量投影到单位球面上再估计，只保留方向、扔掉幅度，得到的形状矩阵在所有椭圆分布下都有同一个渐近分布——对尾部厚度『分布自由』。本文 N=20 单因子模拟市场实测：t(3) 肥尾下样本协方差形状误差 0.266、Ledoit-Wolf 0.253，Tyler 只有 0.108，且从 t(3) 到正态误差几乎纹丝不动（0.108→0.102）；注入 2% 的 ±15% 异常日，样本协方差误差从 0.147 恶化到 0.184，Tyler 稳在 0.109；但 10% 污染时 Tyler 反而崩得更惨（1.93 vs 0.52）——迭代加权会被大规模结构性污染带偏，稳健≠无敌。GMV 组合上优势收窄：t(4)、T=252 时 Tyler 10.63% vs 样本 11.03%（理论最优 10.19%），因为组合权重只依赖协方差的逆的方向结构，形状矩阵的优势部分被求逆运算稀释。诚实边界：Tyler 只估形状不估尺度，波动率目标要另配；对『集体同向的真实危机日』降权可能扔掉最有信息量的样本；N/T 比例较大时需要正则化版本。