本文主要在连续时间动态均值-方差模型下计算反转策略和追踪策略。首先研究反转策略。本文假设股票价格满足Schwartz均值回归方程,用股票估值替代均值。方程中考虑三种股票估值方式:恒定估值、指数增长估值和几何平均估值。本文通过推导并求解扩展的（extended）HJB方程,得到反转策略的（半）显式解。根据等效福利损失率,本文发现对数均值-方差模型是CRRA效用模型的一个很好的近似。为了检验反转策略的投资效果,本文进行模拟和实证测试,发现反转策略在震荡的股票市场中能带来更稳健的收益。接着研究追踪策略。本文假设股票价格满足时变高斯平均收益率模型和随机波动率模型,追踪对象为模型中的外生状态变量。本文通过推导并求解扩展的HJB方程,得到追踪策略的显式解。再将解得的追踪策略与Dai et al.[28]中的投资策略进行比较,发现当投资期限足够长或投资者零风险厌恶时两个策略收敛到同一个值,而如果投资者极度风险厌恶时,两个策略将会收敛到不同值。最后在时变高斯平均收益率模型下,本文对事先给定策略对应的对数收益率进行追踪。给定策略π0分成三种形式:π0为常数,π0=DX+E,π0=D（t）X+E（t）。本文通过推导并求解扩展的HJB方程,得到追踪策略的（半）显式解。在π0为常数和π0=D（t）X+E（t）时通过大量模拟发现,当投资期限超过半年时,追踪策略对应的对数收益率大于π0对应的对数收益率的概率大于68%。再通过股价模拟,本文发现追踪策略在牛市中有着优异的表现。本文的创新点是首次在连续时间动态均值-方差模型下研究反转策略,并在此模型下用对数收益率对外生状态变量以及事先给定策略对应的对数收益率这两种基准进行追踪。本文的难点在于目标是一个时间不一致问题,我们用均衡解来替代“最优”解,根据[27]推导扩展的HJB方程,同时求解PDE的过程较为复杂,具有一定的难度。