Markowitz于1952年提出的均值-方差(MV)模型奠定了证券组合理论在金融学的核心地位。随着金融市场的快速发展,现实投资活动中越来越多的资金所有权和管理权相分离,如投资基金,投资者通常会将资金托付给投资管理者,希望凭借基金经理人的专业知识实现资金安全性和丰厚投资回报的双重目的,并且会定期评估基金经理人的业绩行为。于是,以跟踪误差为核心的积极型投资策略研究应运而生,作为均值-方差模型的一种改进,跟踪误差模型以相对收益和相对风险的形式,对投资管理者的业绩进行科学评价。在上述委托代理模式下,投资经理人基于利益和压力的双重驱使会想方设法地采取积极型投资策略,提高自身业绩的同时也相应滋生一些冒险行为,使得投资者资金蒙受较大的损失风险。此外,考虑到内外部环境以及金融市场的变化,传统投资模型基于参数和资产收益分布的确定性假设弊端日益凸显,如何对不确定情形下的金融资产进行合理配置也成为了一个丞待解决的问题。因此,本文进一步从风险控制和不确定环境的角度出发对积极投资组合管理开展以下方面的研究:首先,本文基于方差或风险价值(Va R)度量风险的局限性,引入条件风险价值(CVa R)对投资组合整体风险加以度量,改进传统的均值-跟踪误差模型只关注跟踪误差而忽略总风险的缺陷。同时结合投资者的投资倾向和市场因素,引入多元权值约束和交易费用,建立更加符合我国实际市场的扩展跟踪误差积极投资组合优化模型,并以深圳成分股指数为实证研究对象,分析对比模型的实用性。其次,金融市场及内外部环境的时常波动使得投资环境面临诸多不确定性,单纯依赖历史数据的参数估计过程容易受到估计误差的干扰。基于此本文运用Black-litterman模型替代传统的MV估计方法,利用BL模型的市场均衡理念和投资者对未来资产收益的看法,对投资组合模型的均值和协方差矩阵重新估计,构建了BL模型下含CVa R和多元权值约束的积极投资组合优化模型,并以我国行业市场指数为研究对象对比分析两种参数估计方法下的模型绩效。最后,针对以上研究,继续采用鲁棒优化方法分析资产收益分布不确定情形下的积极型投资策略。依据Casta所构建的跟踪误差鲁棒优化模型基础,进一步假设资产收益分布不确定而是隶属于某一分布信息集,将CVa R风险管理方法扩展到不确定情形下的Worst-case CVa R,同时引入多元权重约束和交易成本等实际条件,构建WCVa R总风险约束下的鲁棒跟踪误差积极投资组合模型,通过线性矩阵不等式优化求解。实证研究中以沪深300指数成分股为研究对象对比分析资产收益分布确定和不确定情形下的模型实用性。本文分别在传统概率理论和鲁棒优化理论框架下研究适合实际投资应用的跟踪误差积极投资组合策略,提出CVa R总风险约束和多元权值约束下的扩展模型,并借助计算机软件采用经典优化方法和鲁棒优化方法对模型进行相应求解。本研究工作不仅能够为投资组合理论的发展提供学术参考价值,同时对投资管理者的投资决策以及金融市场的发展也具有重要的现实指导意义。