通过构建恰当的资产组合来减少风险是投资组合理论研究的重要目标,但是当投资者在构建投资组合时,金融时间序列的波动往往会伴随着持续性特征,相关研究发现金融时间序列的该种特性会影响组合将来收益的风险,那么通过什么样的方法构建投资组合来降低金融时间序列波动的持续性对投资组合收益率波动造成的负面影响,从而能够在一定程度上减少组合风险是许多投资者面临的问题。因此,本文通过构建随机波动模型序列持续性组合来降低金融资产波动的持续性特征对组合收益将来波动的影响,并通过研究其分散化水平来考察该种投资组合构建方法的有效性,相关研究在资产组合选择方面具有较为重要的理论价值以及实践意义。本文采用随机抽样方法从沪深300指数股票中随机抽出了 10只股票作为研究案例,数据为2011年至2014年期间的966个对数收益率值,分别构建了 MV资产组合以及SV模型序列持续性组合,并比较分析了基本的均值方差组合以及随机波动组合在基本统计特征、贝叶斯估计参数以及风险分散化水平上的不同,并得到了代表性的结论。通过基于滑动时间窗口的滚动试验法对10只股票资产组合进行稳健性检验,同时进一步的采用多次重复抽样法分别构建了 60组“10只股票资产组合”、“15只股票资产组合”以及“20只股票资产组合”,从多重维度对实证结果的稳健性进行了检验。本文研究发现:第一,金融市场波动特征。我国股票市场金融时间收益率序列具有比较明显的厚尾特征,对数收益率的波动表现出显著的波动聚集性以及持续性。第二,基本统计特征。两种组合的波动幅度明显小于单只股票的幅度,收益的均值总体上高于单只股票,这表明两种投资组合较单只股票在风险一定的情况下总体上获得了较高的收益。综合来看,运用该种方法构建SV模型序列持续性组合具有一定的优越性。第三,基于MCMC方法对SV模型的参数进行贝叶斯估计,在持续性参数指标上,SV组合的持续性参数显著地小于单只股票以及MV组合,稳定性检验也验证了上述结论。第四,在对资产组合风险的分散化能力上,SV组合要强于MV组合。综上所述,基于序列持续性指标构建的资产组合策略在诸多方面具有较好的优越性,并且该结论具有较强的稳健性与普适性。