投资组合理论是金融学中的重要研究课题之一,其目的是寻求一个最优投资组合,在给定的收益水平下使投资风险最小化,或者在给定的风险下使投资者的收益最大化。为了突破传统Markowitz均值-方差模型中风险度量方法及正态分布假设的局限,我们必须应用新的风险度量方法,同时寻找较为合适的联合分布,这对于度量投资组合风险及最优投资策略的选择有至关重要的作用。在风险测度方面近年来提出了新的风险度量方法——VaR、CVaR,特别是CVaR,已成为金融风险管理中研究的前沿课题;Copula函数则为求取联合分布函数提供了一条便捷、准确的通道,可以解决非正态假设下求解投资组合的联合分布的问题,从而克服传统正态分布假定的很多不足之处。本文主要研究内容是基于Mean-CVaR的投资组合优化问题,将Copula函数、SV模型、CVaR以及蒙特卡洛模拟技术结合到一起,解决了投资组合中不同资产之间非正态、非线性相关问题,为资产投资组合的选择与风险度量提供了一种全新的解决思路。本文的研究对象是由上证综指、深圳成指以及恒生指数构成的投资组合,通过两类异方差模型——GARCH模型和SV模型——的综合比较研究,发现SV-t模型在刻画风险资产收益率的分布时更具有优势;在对单个风险资产收益率的边际分布进行建模之后,重点通过对几种Copula函数的拟合优度进行检验,从而选取合适的Copula函数——t-Copula——构建投资组合之间的相关结构;最后,把SV-t模型和t-Copula函数同时应用到投资组合的风险度量和基于Mean-CVaR的最优投资组合策略选择问题上,从而找到了较为符合中国实际市场中资产组合的联合分布,最后得到了更具现实意义的组合策略选择结果。实证研究的结果表明,t-Copula-SV-t模型在风险度量和组合策略选择两个方面都优于传统的模型。