证券市场作为一个极其复杂的系统,存在大量的不确定性,而不确定性是决策分析研究中的困难所在。事件的不确定性主要有两种形式:随机性、模糊性。基于随机不确定性的投资组合研究已经发展得相当完善,基于模糊不确定性的投资组合研究也逐渐被人们认识和关注。本文将综合运用模糊集理论、最优化方法以及智能优化方法来对模糊投资组合选择问题加以研究。主要研究工作以及创新点概括如下:(1)针对所构建的模型设计了多种有效智能算法或数值方法。分别为:(1)提出了新的PSO-AFSA混合算法,将粒子群算法搜索的结果作为人工鱼群算法初始鱼群,并且将人工鱼群中的最好位置反馈到粒子群的速度更新公式中;(2)对人工鱼群算法的框架进行修改,加入修复机制,使其能求解带有基数约束的多期投资组合模型;(3)提出了新的多目标自适应混沌粒子群算法,模拟粒子群混沌稳定的交替过程,并且使用自适应调整惯性权重策略;(4)提出了新的逐步宽容法,根据投资者的主观偏好,将目标函数分层。(2)在投资组合模型考虑资产的基本面信息,从而构建均值-方差-效率投资组合模型。目前大部分投资组合模型仅仅考虑证券资产历史收益率,未使用证券资产的的基本面信息,而在现实的证券市场复杂多变的,投资者往往希望利用各种信息,避免自己处于信息不对等的地位。为此,将证券资产的部分基本面指标模糊化,利用模糊DEA模型得到每支股票的效率,从而建立了均值-方差-效率投资组合模型。(3)考虑更贴近现实的约束的投资组合模型。在本文中通过考虑投资组合的收益、交易成本、风险、偏度和基数约束等因素,对模糊环境下的带有基数约束的多期投资组合选择问题进行了研究。以可能性理论为基础,分别建立了收益-风险和收益-风险-偏度的带有基数约束的多期投资组合模型。(4)利用对偶犹豫模糊理论研究信息不足情形下的投资组合问题。用对偶犹豫模糊集来刻画证券资产的信息,目前还尚未涉及。在本文中以对偶犹豫模糊集的得分函数值、方差函数值衡量投资组合的收益和风险,建立了对偶犹豫模糊环境下的投资组合模型。最后,利用实例验证模型的有效性。