风险价值(Value-at-Risk，VaR)是衡量金融市场风险的主要指标，却不满足次可加性和凸性。条件风险价值(Conditional Value-at-Risk，CVaR)，因具备良好的统计性质弥补了VaR的不足，成为衡量投资组合风险的重要指标。均值–CVaR模型，在给定组合预期收益的前提下，研究满足CVaR最小的约束条件时组合内各股票的投资权重配置，是一个非线性规划问题。特别是当数据多、维数多时，传统数值优化算法的求解难度增加，求解时间也随之增长，所以遗传算法、粒子群算法等智能算法被引入投资组合优化问题中并取得较好的效果。菌群优化算法作为新兴的群智能算法，因具备良好的性能而被成功用于工程、控制等许多实际优化问题中，但是在投资组合优化领域的运用还很少见。本文重点研究菌群优化算法及其改进对于均值–CVaR模型的求解，取得的主要结论有：（1）改进原始菌群优化算法的趋化操作，使得原来固定不变的趋化步长可以进行自适应修正，同时，细菌个体在寻优过程中不再是随机翻转，而是实现双向游动，进而提高了算法的搜索效率。（2）选取深证A股10只股票进行实际算例分析，将改进前后的菌群优化算法分别用于对均值–CVaR模型的有效求解，并将求解结果加以比较，证明：改进后的菌群优化算法稳定性更强，求解结果更优，可以使得VaR和CVaR两个指标值均变小，从而降低了投资组合的风险。