VaR方法是一种度量金融风险的新方法,具有测度全面,概念简单,适合监管等优点。基于核估计的VaR历史模拟法使VaR估计的历史模拟可以建立在连续可微的组合回报基础上,不但具有普通历史模拟法无需分布假定的优点,而且使估计精度更高,估计信息更全。本文将基于核估计的VaR历史模拟引入投资组合模型,用其替换方差作为风险的度量,提出均值—核估计VaR投资组合模型。由于用普通方法求解的困难性,文章采用遗传算法对模型进行求解。遗传算法是一种优秀的全局随机搜索算法,它通过模拟自然界生物进化过程与机制,实现对最优解的搜索。但对具体的问题,往往需要进行特殊的设计,才能以较高的效率得到较好的结果。在用遗传算法对模型进行求解的过程中,考虑到遗传算子、参数等不确定因素对遗传算法的求解效率的影响,必须对先对算子、参数进行最优化的选择。为此,本文提出一种嵌套式的双层遗传算法,以算子和参数的选择作为遗传编码,将以不同算子和参数求解内层遗传算法的效率作为外层遗传算法的目标函数,通过外层算法的遗传搜索,最终得到求解文中所建立的均值—核估计VaR投资组合模型效率和精度较好的算子和参数设置。这种方法同样可以推广到其他类似的需要采用遗传算法进行求解的模型,通过提前对算子和参数进行最优化选择,从而在实际求解过程实现较高的效率和精度。最后本文通过实例对所建模型进行了遗传算法求解,并得到了相应结果。本文所建均值—核估计VaR组合投资模型和相应的遗传算法求解方法有一定的理论和实践意义。