随着经济的发展和居民可支配收入的提高,人们对投资理财的需求日益增加。不同于传统的均值-方差模型,在线投资组合选择模型是一个序列决策模型,投资者不需要对资产价格做任何概率假设,仅利用当前掌握的信息进行决策。金融市场中存在着许多有助于投资决策的信息,本文将这些信息引入在线投资组合问题中,提出了三个考虑边信息的在线投资组合策略。本文首先提出了基于线性学习函数的带边信息在线投资组合策略,该策略是基于与当前投资期具有相同边信息状态的最近一期的投资决策进行投资比例调整,增加该期表现较好的股票的投资权重,从而将资金更多地投资于该期表现好的股票上。考虑到股票市场是瞬息万变的,仅考虑单期的表现可能会造成收益的不稳定,本文考虑将过去相同边信息状态下的累积收益作为权重分配的依据,提出学习有限个带边信息专家意见的在线投资组合策略。首先,将在相同边信息状态下投资于相同单只股票、不同边信息状态下可能投资于不同单只股票的策略视为专家,利用指数加权平均算法综合考虑专家意见,赋予过去相同边信息状态下累积收益较大的专家较大的权重,通过对专家意见进行学习构造新的投资决策。进一步,将有限个专家扩展到无限个专家的情形。将在相同边信息状态下采用相同的投资决策、不同边信息状态下可能采用不同投资决策的策略视为专家,构造学习无限个带边信息专家意见的在线投资组合策略。分别从理论上对三个策略进行竞争性能分析,证明策略具有理论上的保障。再分别利用中美市场真实股票价格数据对三个策略进行数值分析,通过多个指标衡量策略的表现,如最终累积收益、逐日累积收益等,同时与其他在线策略和离线策略进行比较,进一步证明策略的竞争力。本文将边信息考虑进在线投资组合问题中,可以有效地指导投资者进行投资决策,丰富了在线投资组合领域的研究成果。同时,指导投资者进行理性投资能够间接地有利于金融市场的稳定发展。