本文运用谱函数风险测度(Spectral Risk Measure)度量金融资产面临的潜在下行风险，建立满足投资决策的潜在下行风险在一定置信度下不超过给定风险阀值约束条件时，使得投资收益率极大化的最优投资组合选择模型。文章通过构建一个类似于夏普比例的指标衡量投资组合的市场表现并将模型的优化转化为该指标的优化问题，优化求解时应用遗传算法有效地克服了优化函数不连续和多局部极值的难点。文章研究了不同置信度下的风险价值、谱函数风险测度以及对应风险约束下的最优投资组合特征，分析了资产收益率分布函数和下行风险测度方法对最优投资组合选择的影响。　　文章创新:谱函数风险测度定义下行风险使模型摆脱了收益率服从正态分布的假设，相对于用风险价值、尾部条件期望和期望损失定义下行风险，谱函数风险测度对越严重的下行风险赋予越大的权重，在充分考虑下行风险的同时也更符合投资者心理特征，并且满足一致性风险测度的可加性要求，因此能够更准确的刻画资产的风险特征。考虑到资本市场中资产收益率尖峰厚尾性质与波动聚类的特征，本文采用基于t分布和GARCH模型的蒙特卡罗模拟产生资产预期收益率分布进而估算不同置信度下的风险测度大小。应用遗传算法进行模型求解时，相对于随机设定算法参数值，文章中用参数检测方法确定适用本文模型的最优参数值，保证算法获得最优解的同时，提高了算法优化效率。　　文章结论:相同置信度下，谱函数风险测度大于风险价值，所以谱函数风险测度约束下的最优投资组合中投资于风险资产的比例小于风险价值测度约束下最优投资组合中风险资产占比。随着置信度的提高，谱函数风险测度的值逐渐增大，但相对于风险价值表现出更好的稳定性。与假设风险资产未来收益率服从正态分布相比，t分布假设下的谱函数风险测度和风险价值都较大，最优投资组合中风险资产的占比也较少。