随着全球金融经济的不断发展以及相关金融理论的逐渐丰富,投资风险测量的方法变得更加复杂和综合。当下,现代投资组合理论是金融学研究中的重要课题之一,其目的是寻求最优投资组合,以在既定预期收益率的前提下使得投资风险最小化,或者在既定风险的前提下使收益最大化。方差作为风险度量的传统方法被很多学者质疑,而VaR风险度量方法逐步发展成为当前最受欢迎的国际金融风险控制的标准工具。为了能够克服VaR方法的缺陷,CVaR风险测量方法被认为是一种比VaR方法更合理、更有效的现代风险管理和度量的方法。在CVaR值度量过程中,由于金融资产之间的相关关系是时变的,静态的投资组合风险不能很好地刻画在过去一段时间内的投资组合收益率的动态波动特征。Engle提出的动态条件相关系数多维GARCH模型(DCC-MGARCH)具有良好的计算优势,可以对它进行算法设计和MATLAB程序实现以实现对大规模的相关系数矩阵进行估计。本文在均值—方差投资组合理论的基础上,将最小化方差的目标函数推广为最小化CVaR值为目标函数的投资组合优化模型。同时,为了提高CVaR值的精准性,降低投资组合风险,采用DCC-MGARCH模型和CVaR方法相结合的方式来动态研究投资组合风险,并运用我国金融市场的历史数据进行实证检验。从实证结果中探究,是否DCC-MGARCH-CVaR的投资组合优化模型在我国金融市场上的运用具有可行性,并且为探索适合于我国金融市场的投资组合优化模型提供可选择的依据。