近年来,证券市场渐渐走向成熟,投资组合成为热点话题。投资者希望在市场风险不确定的情况下对资本实行优化配置。因此为了更好地帮助投资者规避风险获取收益,本文主要是通过筛选出优质股,进而对完成投资组合做了研究分析。首先,依据股票价值通过HLM模型进行选股。从微观层面上,探讨上市公司财务指标对股价的影响情况,重点从上市公司的盈利能力和发展能力展开讨论,利用该模型来确定优中选优的指标变量。将近几年沪深300的成分股作为样本,把股票的价格看作是有嵌套结构的数据,以每只成分股在不同年份的股票价格为第一层,不同上市企业在不同时期的财务指标为第二层,构建模型并进行了实证分析。结果得出净资产收益率与营业利润增长率对股票价格影响最大,投资者可以重点关注上市企业的这些指标,从大量的股票数据中高效地挑选出适合投资的优质股。其次,基于HLM选股后,建立了信息熵的投资组合模型。根据分层模型结果筛选出了表现优异的10只成分股,最终使用信息熵测量投资组合的风险并完成了投资组合。这里借鉴了单一指数分解风险的想法,把单只股票的信息熵分解成互信息熵和条件信息熵,它们分别代表不同的风险,还引入了贝塔系数用它当作权重对互信息熵进行加权,此时的互信息熵可以表示这只股票相对于其他股票的系统性风险,才能直接相加。并在考虑交易费用的情况下建立了均值-熵模型。最后,在确定收益的情况下使用数学软件MATLAB对熵模型进行求解,得出了投资组合简明有效的结果,组合股票数在一到两个之间,在保证收益率的同时规避了潜在高风险,帮助投资者做出最终决策。并分析了借助HLM模型选股后再进行熵的投资组合的优势,HLM模型可以快速地帮助投资者筛选股票,进行投资。本文首次将分层线性模型与信息熵模型结合起来运用于股票市场,通过数学模型对股票数据的分析,在一定的风险可控范围内,快速有效地为投资者提供了投资决策。