近几十年来,我国市场经济高速发展,人们的物质生活水平与经济收入也日益提高,越来越多的人有了富余的资金用于投资,希望通过投资来获取收益。然而,几乎所有投资的收益都具有不确定性,因此,投资者在进行投资决策时往往会关心两个问题:一是如何在保证预定收益的前提下使得投资的风险最小,二是如何在控制风险的前提下使得投资的收益最大。作为投资领域的重要工具,投资组合理论受到了人们的广泛关注,本文研究的主要内容就是如何对风险资产进行选择并确定投资权重,从而构建出最优的资产组合方案。针对寻求最优投资组合方案的目的,本文主要做了以下两部分工作:一、将股票收益率数据看作一种高维时间序列数据,对股票收益率数据进行聚类分析。聚类分析是数据挖掘中的重要工具,通过聚类分析,我们可以发现数据间潜在的未知关系以及数据的分布特征等信息。本文在聚类分析算法与模糊数学理论的基础上,研究了模糊C-均值聚类算法,并且针对模糊C-均值聚类算法自身存在的问题提出了改进的模糊C-均值聚类算法,改进算法主要体现在两点:聚类中心的选取与最佳聚类数目的确定。二、构建投资组合模型确定最优的投资组合方案。本文在马科维茨均值-方差模型的基础上,提出了基于模糊聚类的均值-方差模型。首先,利用改进的模糊C-均值聚类算法对股票收益率数据进行聚类分析,从聚类结果中可以得到股票走势之间的关系与分布特征。在此基础上,再应用基于模糊聚类的均值-方差模型从而得到最优的投资组合方案,为投资者在进行投资决策时提供一个定量分析的方法。本文的第一章主要介绍了聚类分析与投资组合问题的研究背景以及研究现状;第二章介绍了聚类分析基本的理论知识以及模糊C-均值聚类算法的原理与改进的模糊C-均值聚类算法;第三章先后介绍了投资组合理论与基于模糊聚类的马科维茨均值-方差模型;第四章中进行了数值实验与分析;最后是针对数值实验结果的分析,对全文总结和对未来展望。