风险的产生源于未来结果的不确定性以及投资者对其认识的有限性,金融投资风险特指这种不确定因素下引起的证券价格变动,给投资者造成损失的可能性以及损失程度。由于风险潜在的危害性,因而必须得到有效的监控,在风险到来时最大程度地降低它可能导致的损失,并从风险中获得相应的收益,有效地管理风险。进行风险管理最重要的步骤就是对风险的分析和评估,即风险测量,选择什么样的指标去衡量风险至关重要。而投资组合理论主要研究在未来结果不确定的情况(即存在一定风险)下怎样对有限资产进行选择和组合使得预期收益和风险达到合理的均衡。Markowitz于1952年首次提出了科学的投资组合选择理论：理性的投资者总是寻求在给定期望收益水平条件下风险最小或在给定风险水平下收益最大的资产组合,从此,以预期收益率衡量证券组合收益,以方差或标准差衡量证券组合风险的均值—方差模型在投资组合研究领域中得以确立。但是,随着证券市场和证券交易规模的扩大以及金融理论和金融工程的发展,证券投资风险测量方法也变得更为综合、复杂。传统的以方差度量风险的方法受到了众多学者的质疑,以VaR为代表的现代风险度量方法已成为当前国际上最流行的控制风险的标准工具。为了克服VaR的不足,条件风险价值CVaR的风险度量技术,被学术界认为是一种比VaR风险度量技术更为合理有效的现代风险管理方法。本文在均值—方差的优化问题的理论基础上,将最小化方差的目标函数推广为将CVaR做为测度风险的新投资组合优化模型。本文研究的目标在于建立了一个完整的模型计算机制。通过该模型,可以为所考虑的金融资产挑选出计算或预测CVaR值精确度最高的模型,以用于测度金融资产的风险。我国目前对CVaR的研究主要集中在分析方法上,即运用各种分布假设和波动性的估计模型解决金融时间序列的尖峰厚尾和波动的集聚现象。与分析方法相比,蒙特卡罗模拟法是一种全值估计方法,无须假定市场因子服从正态分布,可以有效的解决分析方法在非正态问题中遇到的困难。然而,金融时间序列的尖峰厚尾和波动的集聚现象,一般的蒙特卡罗模拟法在计算CVaR时就存在局限性。为增进蒙特卡罗模拟法估计CVaR的绩效,提高估计精度,对蒙特卡罗模拟法本身的模型风险有更全面的了解,本研究欲以t分布和GARCH(1,1)波动性估计模型运用到蒙特卡罗模拟法中,并用我国的金融市场数据进行实证检验,以基金作为研究对象,比较理论模型组合和基金实际投资组合风险的大小,并运用夏普测度等比较两者之间的绩效优劣。从而得出均值—CVaR模型在我国市场运用的可行性以及为探索适合我国金融市场的均值—CVaR模型计算方法提供选择依据。全文共分5章,对各章节的内容安排如下：第一章是绪论。主要讨论研究的背景及意义,在此基础上确定本文主要解决的问题和本文的基本思路和逻辑结构。第二章对本文所研究的问题相关文献资料进行详细的述评,指出国际、国内学者在资产组合风险度量以及构建组合的研究中所取得的成绩和存在的不足,找出资产组合选择问题面临的难题。第三章结合CVaR这一新的风险度量方法,建立了一般分布条件下的均值—CVaR资产组合优化模型,对模型中各个参数的选择确定进行了详细的分析,着重分析了资产收益率的确定问题,根据金融数据的统计学特性和一般蒙特卡罗方法的不足,在此基础上提出了对蒙特卡罗模拟法的改进,使用GARCH模型估计波动性,并在GARCH模型的基础上用t分布代替正态分布模拟各项资产未来收益率情形,建立了基于GARCH模型的蒙特卡罗模拟方法。第四章用我国的金融市场数据进行实证检验,以基金作为研究对象,依据其实际持有重仓股票作为股票池,利用Matlab等软件编程进行蒙特卡罗模拟、对均值—CVaR资产组合优化模型进行线性规划求解,在进行模拟优化投资后,本章给出了均值—CVaR的有效前沿,通过绩效对比研究,验证了均值—CVaR投资组合优化方法的可行性和合理性。并分析出不同置信水平和预期收益率对投资决策的重要影响。第五章是全文的总结,给出全文的最终结论,并提出继续研究的方向。本文的主要贡献如下：1.现有的均值—方差投资组合模型的改进。Markowitz的投资组合选择模型是以方差度量风险的,这种风险度量方法有两个重要缺陷：第一,从方差的数学表达式可知,方差中既包含了可能遭受损失的风险,又包含了可能获得超额收益的机会。第二,方差是二次的,这样会使得少数较大的偏差对总体方差产生过大的影响。为此提出运用条件在险价值CVaR来度量投资组合风险。虽然已有部分学者就CVaR问题有过一定的研究和探讨,但是资产组合的CVaR风险度量和资产组合选择两个问题的研究大多数都是分开独立进行的。2.新建立的均值—CVaR投资组合优化模型计算方法的改进目前关于均值—CVaR的研究集中在基于正态分布的分析方法上,本文将其推广到一般分布的状况下,研究了模型的求解方法,提出用基于GARCH模型的蒙特卡罗模拟方法,使结论的准确性能够得到一定程度的提高。并采用实证分析的方法证实了均值—CVaR模型确实能够改善投资组合模型的风险分散效果,饯行了理论的实际意义。3.本文具有一定实践价值。运用均值—CVaR模型来衡量、定量化资产的投资组合风险,不仅克服了传统方法中风险度量的缺陷,而且这种更加客观和精细化的基于CVaR度量风险的投资组合模型能够在实践中更好的为投资者提供准确的投资信息参考,为金融监管部门进行管理和监督提供更为先进的工具和思路。