作为金融学的一个重要分支，投资组合管理理论主要研究如何把个人和机构所拥有的财富在股票、债券以及衍生证券等金融资产之间进行最优配置的问题。　　 1952年马科维兹提出均值-方差(Mean-Variance)模型是现代投资组合管理理论产生的标志。MV模型首次将金融资产配置问题量化为风险-收益权衡的数学模型。提出用方差度量理性投资决策者的风险态度，并假设收益率服从正态分布。MV模型首次回答了什么是风险以及如何度量风险这一问题。　　 本文在目前已有研究的基础上拓展了单一风险测度下的投资组合优化模型，建立了多风险目标和基于Copula-EVT分布条件下的Mean-Variance-ES(MV-ES)模型。仔细分析目前已有的风险测度方法，可以看出单一的风险测度只是描述了风险某一侧面的特征。例如，方差或者标准差是典型的双侧风险测度，方差体现了一般意义上的资产组合价值的稳健性，其依然是目前市场中应用最多的风险度量方法。可以预见，随着中国市场股指期货的推出，以及风险对冲策略中的最小方差对冲策略运用，方差对风险度量的重要性还会进一步加强。VaR和ES则是典型的下侧风险测度方法，其反映了市场在极端下跌状况下，资产组合价值所面临的潜在损失的可能性。因此，目前市场中的资产价值风险分析实务中，风险管理人员大多从多个层面分析其所面临的潜在风险，同时考虑多项风险测度指标，并结合压力测试、情景回溯等方法评估资产价值风险。本文的研究以此为出发点，提出Mean-Variance-ES优化模型，综合考虑资产组合的期望收益、波动性风险和极值风险。　　 很容易证明，在正态分布假设的条件下，依据方差作为风险测度和依据VaR作为风险测度将会得到一致的资产配置策略。但是，非正态分布条件下，研究不同风险目标下的投资组合管理策略则具有重要的实际意义。本文在MV-ES优化模型的基础上详细探讨了Copula函数和广义极值分布理论性质，以及对资产收益率分布拟合的有效性。投资组合中各个资产之间的相关性是影响组合风险最重要的因素。特别是对组合尾部风险的度量，各个资产之间尾部极值的相关性会显著影响投资组合风险的评估，而皮尔逊相关系数无法实现对尾部相关性的度量。本文采用基于Quotient统计量的Gamma分布检验投资组合中资产之间的尾部相关性。在证明存在显著尾部相关的基础上研究了Copula函数对尾部相关度量的有效性。　　 最后，模型的拓展不可避免的带来了计算复杂度的增加。ES风险测度虽然具备凸性等优良性质，与其它风险和收益约束结合之后依然满足凸规划条件，因此理论上可以求得全局最优解。但是由于资产组合ES风险值的计算涉及到两步概率计算，要求首先计算99％置信水平下的资产组合VaR风险值，进而计算资产组合ES风险值，因此无法采用传统的基于梯度和二阶梯度的算法(例如牛顿法等)进行计算。由于增加了方差风险约束，因此也无法简单的将模型转化为线性规划进行求解。本文采用一种编码方法对原问题进行转化，消除强约束条件的限制，进而尝试将基于群集计算的粒子群优化算法与Monte Carlo模拟相结合，构建了专门针对MV-ES模型的有效随机优化算法，较好的解决了模型求解问题，使之可以应用于实际问题。