随着金融理论研究的深化,大规模资产组合投资决策成为研究的热点问题之一。为实现期望收益既定条件下投资风险最小化的目标,定量化的模型和风险测度指标的选择等都至关重要。建立在正态性假定基础上的均值-方差模型已经不能满足现代组合投资决策的需求,需要考虑新的风险测度方法与建立新的组合投资决策模型。风险测度指标经历了从矩风险测度到分布(尾部)风险测度的变化,其中ES(Expected Shortfall)风险具有较好的数理性质,不仅克服了VaR风险的不足,还兼具了VaR风险的优点。此外,基于回归分析的组合投资决策模型受到了越来越多的关注。为此,本文基于Expectile回归讨论组合投资决策问题。本文建立了均值-ES组合投资模型,为解决其计算困难,在理论上将其转化为一个Expectile回归问题,进而给出其Expectile回归求解新方法。该方法具有两个方面的优势:第一,Expectile回归的目标函数为二次损失函数,具有连续、光滑等特性,其优化与计算过程简单易行,且具有很好的可扩展性;第二,优化Expectile回归目标函数得到Expectile,利用Expectile与ES之间对应关系,能够准确地得到最优组合投资的ES风险值。更进一步,考虑到大规模资产组合投资需要,在基于Expectile回归的均值-ES组合投资决策模型中增加权重约束,建立带有权重约束的最小ES组合投资决策模型,研究了LASSO、自适应LASSO和弹性网惩罚等最小ES高维组合投资决策。实证方面,首先选取沪深300指数中具有行业代表性的5支股票进行实证研究,将基于Expectile回归的均值-ES模型与均值-VaR模型、均值-方差模型进行对比,发现前者能够很好地分散组合投资尾部风险大小,显著提高组合投资绩效。其次选取沪深300指数的股票日收益率作为研究对象,对其中的300支成分股进行组合投资决策,从众多的金融资产中筛选出较少的金融资产进行组合投资,极大地提高了组合投资管理效率。本文研究工作,在理论上将均值-ES组合投资模型转化为一个Expectile回归问题,并给出其求解方案,丰富了组合投资决策研究内容。在实践中,本文所建立的模型能够处理大规模资产组合投资决策问题,从中选择贡献较大的资产进行组合投资,降低资产管理成本,提高管理效率,并且能够取得较高的收益风险比,对于机构投资者有一定的决策参考价值。