投资组合是现代金融领域中一个重要的研究方向,典型的投资组合模型多数是单阶段的、静态的,然而投资者的投资行为往往是多阶段的、动态的,因此,多阶段投资组合模型近年来得到了广泛研究。本硕士学位论文主要就多阶段投资组合均值-VaR模型的有效前沿和不确定性多阶段投资组合模型及算法进行了讨论,其主要内容如下:第一部分,主要介绍了课题的研究意义和研究现状,以及本文的主要研究成果。第二部分,给出了多阶段投资组合均值-VaR模型的有效解的解析表达式,并对有效前沿进行了讨论,推广了单阶段投资组合均值-VaR模型的相关结论。第三部分,首先根据模糊性可以表示未来收益率的不确定性,基于可信性理论,建立了基于可信性安全准则的多阶段模糊投资组合模型;然后根据模型的特性,设计了结合模糊模拟、遗传算法、小波神经网络、动态规划等理论的混合智能算法,并给出了该算法的具体实现步骤和具体的实现程序。实例分析表明,当选取适当的小波神经网络中的隐含层结点数及尺度、位移等初始化参数时,可以得到该模型的解,使模糊不确定性的投资组合行为具有可操作性。第四部分,根据模糊熵也是不确定性的一种度量,建立了基于模糊熵的另一种多阶段模糊投资组合模型,设计了基于小波神经网络的混合智能算法来求解该模型,并对该模型进行了实证分析。实证分析表明,该模型是合理的,能够反映投资者的投资行为,而且给出的这个算法具有较好的收敛性和较高的计算效率。