已有证据表明传统的均值-方差投资组合策略在样本外评价中并不稳健，甚至其绩效还不如经典的等权重策略，这为投资组合优化带来了不小的挑战。一个完整的投资组合过程由选择股票和设置投资权重两部分组成。本文结合股票评价的多源数据，即历史交易数据，技术指标，社交媒体数据和新闻数据四个不同的数据源，从股票选择和投资组合权重设置两部分来分析股票的投资价值，致力于构建出更为有效的投资组合。
　　具体来说，本文的投资组合优化过程如下：首先，爬取社交媒体数据和新闻等文本数据，利用基于情感词典的方法，将所得文本数据进行数值量化，进而构造股票投资价值评价指标。结合DEA方法，从历史收益表现、资产相关性和投资者情绪三方面评价股票的投资价值，并将所得DEA效率作为股票选择的评判依据，进而构建相应的股票选择方案。然后，利用上述股票评价的多源数据，运用支持向量机算法预测股票价格的未来走势。基于本文的选股方案和股票价格走势预测值，构造投资组合优化模型，提出相应的投资组合策略。最后，选取沪深300指数成分股作为构造投资组合的备选资产，运用滚动样本方法对本文提出的选股方案和投资策略做出样本外检验。以传统的最小方差投资策略和等权重投资策略作为本文策略的参照，比较三种策略的样本外表现，从而验证本文策略的合理性，并通过稳健性检验进一步验证本文结果的正确性。
　　通过实证分析，得出相比于最小方差策略和等权重策略，本文提出的投资组合策略具有更好的样本外夏普比率和样本外索提诺比率；本文所提出的多源数据选股方案能够有效改善投资策略的样本外绩效；投资者应该采用低分散化投资策略，而不是传统的全分散化投资策略等结论。