均值-方差证券组合理论是一个两参数的二次规划问题,传统的研究注重于对该理论的两个输入参数进行无偏估计和放宽实际约束条件,以及在优化算法上进行突破。在理论上,均值-方差证券组合理论已经精美绝伦,但是在实际投资活动中,并没有得到广泛应用,原因在于该理论对两参数的微小变动十分敏感,往往导致组合结构缺乏稳定性,在样本期外只能取得次优业绩。本论文主要目的是利用再抽样方法改进传统均值-方差模型,以使其得到更大的实际应用。本文第二章在对均值-方差模型的基本概念进行介绍之后,我们通过对预测误差(estimation error)进行Monte Carlo模拟,发现由于预测的输入参数与真实参数存在差异,预测得到的有效边界位于真实有效边界的右下方。出现以上现象的原因在于经典均值-方差(Mean-Variance)模型对输入参数的变动非常敏感,输入参数的微小波动会造成最优化结果的巨大偏差。本文第三章利用已有文献提出的投资组合再抽样方法对投资组合的输入参数予以模拟以增加样本的信息量,从而大大降低均值-方差模型对输入参数的敏感性。本章中我们选取沪市A股10只股票采用再抽样方法进行实证分析,表明在均值-方差分析中运用再抽样方法进行组合权重修正,能够取得更接近于真实有效边界的再抽样有效边界,是对均值-方差模型有效改进。第三章建立的再抽样有效曲线还不能完全解决我们实际情况中所面临的问题。在实践中,投资者手中持有的股票组合并不总是在再抽样有效边界上。股票组合位于再抽样有效边界外并不一定意味着该股票组合就是无效的。由此我们有必要在再抽样有效曲线的基础之上判断一个股票组合是否有效,从而需要建立再抽样有效置信区域的概念。本文第四章基于传统均值-方差模型和Michaud(1998)再抽样有效边界曲线的基础之上,建立了投资组合的再抽样有效置信区域。针对Michaud(1998)构造再抽样有效置信区域方法的不足,提出了一种改进方法,使得构造的置信区域更加准确,并有助于指导实践中的投资组合权重分析。并且利用沪市A股10只股票进行的实证分析验证了改进方法的有效。本文第五章对全文做出总结。