自1990年我国上交所和深交所成立以来,我国股票交易市场发展迅速,并伴随着全球资本市场的一体化和风险不断的增加,如何规避市场波动,获得更大的回报,构建较优投资组合策略,已成为每个投资者所关注的问题。与此同时,金融数据呈爆发式增长,其波动复杂、高噪声。在面对日趋复杂且繁的数据时,传统分析方法将难以解决,而函数型数据分析方法作为一种较新的数据分析方法,能够处理海量复杂的数据,实现对无限维度数据的模式挖掘,挖掘出更多重要信息。本文以我国上证50指数中的43支成分股为研究对象,首先进行数据的收集、日收益率的计算,再进行数据预处理与函数型数据拟合,转换为函数型数据后,进行函数型数据描述性分析以及函数型数据主成分分析,再利用所得结果,采用K-means聚类方法对43支股票进行聚类,最后再以聚类结果构建不同投资组合策略,对组合收益效果进行验证,以期为投资者构建投资组合策略提供参考。本文的研究结果表明:(1)采用函数型数据分析方法能较好地挖掘出所研究股票的深度信息,并以此进行聚类,可将具有不同收益率走势特征的股票进行区分。(2)使用函数型数据分析方法进行数据重构拟合时,光滑参数λ综合考虑过拟合和过光滑的问题,其效果相比直接取GCV最小值要更优。(3)基于聚类结果进行搭配的策略在投资收益方面明显优于其他策略。由于使用函数型数据聚类分析可以实现对不同收益率走势的股票进行聚类,因而可以基于聚类结果选择不同走势类别的股票进行搭配组合,并进一步挑选出搭配后收益最高的投资组合。证实了函数型数据聚类分析方法在进行股票聚类和投资组合策略选择时存在一定的实践意义,有助于帮助投资者构建有效的投资组合策略。本文的主要创新体现在,对股票投资组合策略研究之中应用了函数型数据分析方法,弥补了传统分析方法只能对散点进行分析、挖掘信息不足等缺陷。另外,在比较各组合策略的收益率时,综合考虑到风险因素,采用风险调整后收益,即夏普比率,为衡量指标。