随着经济的快速发展,中国的金融市场和金融体制不断完善,证券投资作为一种主要的投资方式,越来越受到人们的青睐。为使投资者获取较好的收益同时规避市场风险,就必须考虑合理分布各项资产的投资比例。Markowitz证券投资组合模型是金融定量化研究的开端,可以帮助投资者做出合理有效的投资决策,国内外许多学者在尝试优化证券投资组合模型并研究探索求解模型的手段,遗传算法、神经网络等人工智能算法被普遍应用到模型的求解中。　　 本文以Markowitz证券投资组合模型为基础引入风险价值Var约束对模型进行了优化,并使用方差-协方差方法推导简化。通过选取上海证券交易所五只风格迥异的股票使用具有惯性权重的微粒群算法及模拟退火算法进行了求解,在比较了两者的效率及运算结果后,分析原因对模拟退火算法进行了改进,实现了具有迭代N次无退出机制的模拟退火算法,取得了不错的效果。　　 通过实验分析,我们可以看出具有Var约束的证券投资组合模型有效降低了投资者面临的市场风险,模型的提出对投资者合理有效控制风险有着明显的实际意义,而微粒群算法以及模拟退火算法的使用则进一步丰富了证券投资组合模型的求解手段。