风险投资机构或投资家通常采取组合投资和分阶段投资策略来防范和规避投资风险。在风险投资过程中,不确定的成本估计是来自于对历史数据的预测或专家的收集,与真实的项目成本差别较大,因此以最小化实现的事后总成本来选择最优投资组合是很困难的。本文以不确定的项目成本或收益为出发点,在国内外理论研究成果基础上,运用风险投资理论、随机优化理论、Bayes方法以及统计模拟方法,将组合投资与多阶段投资结合起来,研究不确定环境下的多阶段项目投资组合选择问题。具体地,本文的主要内容如下:第一,考虑项目成本的不确定性,提出一个贝叶斯模型对项目投资组合选择问题进行建模,目的是最小化投资组合的成本。首先运用Bayes方法对风险项目的成本进行估计,利用所获得的修正后的估计值进行投资组合选择,并研究真实的与估计的投资组合成本之间的预期间隔,即决策后的失望。其次,Bayesian分析也可以用于研究在实际获得某些项目的成本估计值之前获得关于这些项目的成本估计的附加信息的期望价值。在项目的成本和成本估计值为对数正态分布的情形,求得信息的期望价值的解析解,并讨论基于值对项目投资组合选择决策的影响。研究结果表明,基于Bayes方法修正的成本估计值所选投资组合将减少投资组合的成本,提高成本估计的精确性,减少风险投资家决策后的失望;与基于Bayes修正后的成本估计值相比,基于信息的期望价值(EVI)所选投资组合的成本更接近基于真实成本所选投资组合的成本。第二,在经典的Markowitz均值—方差模型基础上,考虑不确定环境下的多阶段风险投资组合选择问题,并给出选择与管理投资组合的一个多阶段随机规划模型。因此,通过离散时间框架下的情景树收益模型来描述一个投资周期内各风险项目价值的动态不确定演化,综合考虑项目成本、在各阶段产生的现金流等因素,结合半方差风险度量,以一定价值下最小化风险的投资组合原则,在风险投资家的资金等资源约束下,建立了多阶段价值—半方差风险投资组合选择模型。最后通过实例分析,验证了所建模型可行性和有效性。模型允许风险投资家通过终止绩效较差的项目来调整投资决策,在一定程度上降低投资风险,使风险投资家获得更多的收益。