在线投资组合选择是计算金融研究中的基础问题,近年来吸引了人工智能和机器学习领域的专家投入该领域。它基于资本增长理论和在线学习理论,设计合理的在线学习算法来指导投资组合的构建。已有的研究成果显示,股票价格既存在趋势(动量、惯性)效应也存在反转效应,据此有学者分别构建了跟随赢家策略和跟随输家策略,并取得了较好的效果。尽管现有的策略在一些真实数据集上表现较好,但它们只利用一种效应来构建在线投资组合选择模型,不一定符合市场环境可能同时存在趋势效应和反转效应的现实。为了贴近实际市场,本文设计了排除趋势效应的反转策略算法和排除反转效应的趋势策略算法,以更好地把握市场变化,捕捉交易机会。这两个算法模型基于PA(Passive Aggressive)算法,同时考虑趋势与反转效应,利用凸优化技术求解得到了相应的在线投资策略,并在真实数据上进行了策略测试。从实验结果来看,本文设计的三个策略表现均较好,尤其是排除趋势效应的反转策略表现相较其他策略都要好。另外,对策略算法涉及的参数本文也进行了参数敏感性测试,表明算法对参数变化比较稳定。最后,为了考察策略的有效性,本文也分析了在线投资策略的可靠性。