自20世纪90年代以来，全球金融市场发生了深刻的变化，自由化程度不断加深，经济全球化和金融全球化的进程不断加快，金融管制进一步放松，金融衍生产品的种类和数量急剧增加，信息科学技术快速发展，现代金融理论和金融工程技术获得突破性发展。在全球金融市场的资金和信息流通效率提高的同时，金融机构和投资者面临的风险和环境也日益复杂，金融市场的波动性和不稳定性也进一步加剧，市场风险已经取代信用风险成为投资者和金融机构面临的最主要风险。在日益复杂的金融环境中，投资者和金融机构就更加需要科学完善的风险测度方法。　　 投资组合优化问题是现代金融理论的核心问题之一，其研究的是如何分配一定量的资金，使得既定收益下的风险最小或者既定风险下的收益最大。为了做出科学的决策，首先就要合理地度量收益和风险的大小。收益的度量相对简单，而风险的度量较难、较复杂。条件风险价值CVaR(Conditional Value at Risk)是满足一致性公理的风险测度方法，具有非常好的数学性质，又有直观易于解释的优良特征。本文选择CVaR作为风险测度方法，着重研究了非正态分布下CVaR在投资组合优化中的应用。　　 本文以现代投资组合理论基本框架为基础，重点介绍了CVaR方法的定义，性质和等价计算方法等，并建立均值-CVaR模型。在金融资产的收益率符合正态分布的情况下，通过推导可以发现：均值-CVaR模型和均值-方差模型对应的优化问题是一致的，目标函数实质上都是要最小化投资组合的标准差，约束条件也完全相同。所以，正态分布下的均值-CVaR模型和均值-方差模型所确定的最优投资组合的权重系数向量是相同的。另外，两模型对应的有效前沿曲线的形状也是相同的，都是双曲线的右枝。置信度反映了投资者和金融机构的风险偏好程度，置信度越大，投资者和金融机构越厌恶风险，风险承受能力弱；相反，投资者和金融机构不是很厌恶风险，风险承受能力较强。在均值-CVaR模型中选择不同的置信度，模型所确定的有效前沿就不同。特别地，当β→0时，均值-CVaR模型的有效前沿趋近于一条经过原点的、斜率为-1的直线；当β→1时，均值-CVaR模型的有效前沿趋近于均值-方差模型的有效前沿，即双曲线的右枝。在其他条件给定的情况下，均值-方差模型对应的有效前沿曲线是确定的，与置信度无关。　　 接着，本文在实证分析部分比较研究了非正态分布下的均值-CVaR模型和均值-方差模型。首先，选择中国股市中上市时间较早、业绩表现较好、在相应行业中占有较重要地位的八只股票作为构造投资组合的金融资产，这八只股票分别来自不同的行业，并用它们复权后的日收盘价计算日收益率。图形检验法和统计量检验法都证实了八只股票的日收益率不服从正态分布。通过比较研究，我们可以得出一下结论：对于给定的投资组合预期收益率，非正态均值-CVaR模型和均值-方差模型所确定的最优投资组合的权重系数是不同的，相应的有效前沿也是不同。非正态均值-CVaR模型在保证CVaR最小的同时，对应的最优投资组合的标准差与均值-方差模型所确定的最优投资组合的标准差相差较小。所以，在非正态分布的情况下，均值-CVaR模型能够更好的控制风险。最后，我们还研究了置信度对于均值-CVaR模型的影响。在给定的投资组合预期收益率下，选择不同的置信度，均值-CVaR模型所确定的最优投资组合的权重系数是不同的，模型求得CVaR值也不同。置信度还会影响均值-CVaR模型的有效前沿。随着置信度的增大，有效前沿逐渐向右移动，同时，有效前沿的斜率逐渐变小。有效前沿的斜率实际上表示了单位风险收益，因此，随着置信度的增大，投资组合的单位风险收益逐渐减小。置信度不同，投资者选择的最优投资组合就会不同，而在现实中置信度反映了投资者的风险厌恶程度，所以，投资者应清楚了解自己对应的置信度，从而利用均值-CVaR模型选定最适合自己的投资组合。