随着金融全球化的发展,金融风险管理的重要性愈加突出。风险度量作为金融风险管理的核心内容之一,成为了人们备受关注的对象。Period Value at Risk(PVaR)是近些年备受关注的一种反映未来投资期间风险的指标,也是度量风险的一种有效方法。在投资组合选择问题中,前人已经建立了基于PVaR的风险投资优化模型,关于该模型的求解,现有的解法是将其转换为一个混合整数规划模型,然后用优化工具进行求解,但是这种方法只能解决小规模问题。因此,为了设计出解基于PVaR的风险投资优化模型的有效方法,本文主要做了以下工作:首先,根据基于PVaR的风险投资优化模型的连续非线性特征,运用标准粒子群算法对其进行求解,经过参数分析以及与已有算法的对比分析,验证了该算法可以解决大规模问题并能得出一个较好的解。其次,根据标准粒子群算法在求解较大规模或者选取较大预期收益的问题时,需要迭代很多次才能找到可行解的不足,本文通过引入网格划分初始化策略对标准粒子群算法进行改进,通过仿真实验可以看出,改进后的粒子群算法对于小规模问题的求解效果明显优于标准粒子群算法,但在较大规模问题的求解精度上改进效果不明显。再次,根据基于网格划分初始化策略的粒子群算法在求解较大规模问题上不能进行明显改善的缺陷,本文从粒子的速度和位置更新公式入手,设计了四种改进方法,即meanPbest_PSO、0.5_PSO、rand_PSO和if_PSO,并与改进前的算法进行了比较与分析,求解精度得到提高。最后,通过 t 检验比较了 standard_PSO、grid_PSO、meanPbest_PSO、0.5_PSO、rand_PSO和if_PSO六种算法的有效性。