随着金融市场的日益崛起,人们的理财观念越来越强,参与投资的人数与日俱增。由于投资方式变得更加丰富,投资产品更是琳琅满目,越来越多的金融风险相伴而生,金融市场也变得“危机四伏”,隐藏的风险与危机一触即发。由于金融风险危害性强、影响范围广,可能会造成较大的亏损甚至血本无归,对金融机构和投资者均造成了较大的影响,如何处理和应对这些金融风险成为研究的关键问题。目前,各大金融机构纷纷针对不同种产品的特点,构建风险预测模型并提出风险管理方法,学术界又对风险管理的模型方法加以优化和完善,其目的都是希望可以最大限度控制风险的同时使投资者获得尽可能高的收益,并制定出能够顺应时代发展、拟合真实市场的模型。在此背景下,本文对金融市场风险管理的两种模型的优化算法进行了研究,在原有模型算法上进行优化和改进,并对两种优化算法的收敛性进行了证明。通过随机选取的8只深证A股股票的实例分析,说明了选用的新算法使求解过程更易理解,以及在同等条件下可以使投资者获得更高利润的同时承担更低风险的实际意义。具体研究内容如下:由于最初将风险数量化的风险度量模型——在险价值(VaR)模型不具有充分性、一致公理性等性质,不能更好的求解,因此本文选用条件在险价值(CVaR)模型作为风险的度量进一步探究,此模型比VaR模型有更良好的数学特征。通过引入交易成本函数,使模型对成本和收益有更准确的描述,与真实市场更为契合。本文在对加入成本函数的CVaR模型进行求解时,采用了粒子群算法,并通过实例论证,得到了改进后的算法模型同样有效的结论。由于马科维茨提出的经典投资组合理论中均值-方差模型(MV)的假设条件过于苛刻,真实的资本市场无法满足这些条件,在实际应用中拟合度偏低,因此本文选用引入绝对偏差后构造的均值-绝对偏差模型(MAD)进行研究,将投资组合问题转换成一个新的约束优化问题,并采用广义共轭梯度投影法对此约束优化问题进行求解。通过对实例的计算分析,分别得到了不同度量值下的最优投资组合,得出了度量值越大风险越低的结论。本文采用理论与实际相结合的方法,将优化算法应用到风险管理中,论证了模型的合理性和有效性。因此发现对模型的不断优化和改进,使模型更加符合市场规律的同时,还能够更加准确的评估风险、科学的管理风险、有效的控制和规避风险。