随着现代金融理论的发展及金融监管的需要,VaR和CVaR方法被提出来,并被广泛用于投资组合选择理论中.然而事实上,投资者在投资决策过程中常常不可避免地要在某个证券子集上受到人为的、政策的、法律法规的投资约束.鉴于这个问题,本文将提出拟合有效证券组合的概念,并在下侧风险VaR和CVaR约束下探讨投资组合选择模型的拟合有效性问题.这里的拟合有效是指当投资者在某个证券子集上存在约束时,给定证券子集上的投资组合在样本期外的有效性,特别地,当约束限制为零约束时,就成为证券组合的有效子集问题.与以往研究思路不同,本文将统计推断技术直接融入到投资组合决策过程,从管理和利用估计风险的角度提出基于参数估计风险的拟合有效证券组合问题.本文在收益率服从正态分布的假设下给出了一定持有期内和置信水平下VaR和CVaR的计算公式,研究了均值-VaR模型和均值-CVaR模型的拟合有效证券组合,并在给定约束证券组合时,给出了判断原拟合证券组合是拟合有效的充要条件,紧接着本文根据拟合有效证券组合存在的充要条件推导出对应的、vald统计检验量,这样就从统计检验角度有效的解决了当存在有效的附加约束的证券子集时如何选择和确定的问题.在文章的最后,结合我国股票市场数据,在均值-方差坐标上绘出了正态分布下这两个投资选择模型的有效前沿,并与C-F法得到的形状进行了对比,结果验证了,当证券组合数量充足,日收益率的证券组合均值-VaR模型和均值-CVaR模型的有效前沿几乎重合.类似地,当投资者在某个证券子集上考虑投资约束时得到两个模型的拟合有效前沿也有类似的结果.研究结果表明正态分布假设对于本文的论证是合理的,并进一步验证了当在某个证券子集上增加投资约束时,虽然原来的证券组合未必有效,但通过选择合适的证券集划分仍然可以实观其拟合有效性,并且可以得到基本相同的样本外业绩表现.