随着全球资本市场的发展,投资组合优化配置问题在投资领域中起着重要作用。投资者通过对资产进行优化配置,以实现在给定期望收益的情形下最小化投资组合的风险。经典的马克维茨均值方差投资组合模型理论为现代数量金融学的发展奠定了基础。但大量的实证研究发现,均值方差模型在实际应用中存在许多不足。其中最重要的一点是均值方差模型对输入参数非常敏感,期望收益率的微小变化就可能导致最终配置结果较大的波动。为了更有效地估计风险资产的期望收益,FisherBlack&Robert Litterman 提出了 Black-Litterman 模型,在该模型中引入了投资者的主观观点,实际上是把市场均衡收益和投资者观点进行一种加权平均,这种处理确实能提高马克维茨均值-方差投资组合模型的性能。但是在实际应用过程中,Fisher Black&Robert Litterman在原始的Black-Litterman模型中并未给出量化投资者观点的具体过程,这就使得投资者观点的度量成为Black-Litterman模型实际应用的一个难点。为了克服这一困难,本文引入了 GARCH模型,把这种波动率估计模型嵌入到Black-Litterman模型中。作为一个应用,本文进一步考虑具有在险价值约束的Black-Litterman模型问题,比较了嵌入GARCH模型的影响。丰富的数值比较表明,在Black-Litterman模型中嵌入GARCH模型,能够很好地提高投资组合的夏普比,并获得较好的财富累积效应。本文主要分为以下五个部分。第1章是导论。本章首先阐述了本文的研究背景及研究意义,然后介绍了Black-Litterman模型的国内外研究现状并进行简要评述。通过对已有研究的总结,发现本文研究的切入点,并简要说明了本文的研究内容。最后指出了本文的创新与不足。第2章是Black-Litterman投资组合模型。本章通过介绍常见的均值-方差投资组合模型和均值-VaR投资组合模型引出Black-Litterman模型,然后详细介绍了 Black-Litterman模型的核心思想、推导过程以及模型中参数估计的方法。第3章是基于GARCH波动率估计的Black-Litterman模型。本章首先对已有研究关于Black-Litterman模型观点输入参数方法进行对比,然后详细介绍本文如何利用GARCH模型来派生出Black-Litterman模型中估计参数。本文利用GARCH模型的均值方程得到Black-Litterman模型中的观点收益向量,利用GARCH模型的方差方程得到Black-Litterman模型中的观点误差矩阵,以此解决Black-Litterman模型中如何量化投资者观点的难题。第4章是实证研究。本章利用国内外数据进行了丰富的数值实验,在均值-方差框架以及均值-VaR框架下进行研究。通过对传统参数估计方法与利用Black-Litterman模型进行参数估计方法进行比较,验证利用GARCH模型派生估计参数的Black-Litterman模型的性能。第5章是结论。本章在前文分析的基础上得出结论。对投资组合模型优化问题进行改进以及投资组合参数估计进行改进可以提高投资组合性能,并且参数估计方面改进的效果优于投资组合优化问题的改进。