随着当下国内金融市场的蓬勃发展,量化投资方法得到广泛应用。然而,我国经济金融市场正处于发展的新阶段,各种不稳定因素加剧了金融市场的波动。因此,在保障投资收益最大化的同时,进行合理有效的投资策略研究和风险测度就显得尤为必要。组合投资是一种常见的资产配置方法,现有的关于组合投资的研究以Markowitz均值-方差投资组合理论为基础,但这一理论由于存在较大的估计误差,因此实际中通常仅以最小化组合方差为目标。在投资组合优化过程中,为了解决协方差矩阵有大量元素需要估计的问题,有学者提出了在目标函数中施加惩罚项的有效方法,且发现这一方法不仅能够提高组合的样本外夏普比率,还能够构造一种稀疏投资组合,从而有效降低交易费用。在改变风险衡量方面,以分位数回归模型为目标函数的“悲观资产配置策略”得到广泛关注。这一策略能够最小化投资组合的尾部极端风险,并称之为。然而,为了使量化投资模型更加符合投资者“自顶向下”的投资行为,加上股票市场通常存在板块效应,有学者提出,考虑行业因素的投资组合更具有效性。综合以上内容,本文选用了sparse group LASSO这一能对资产进行事先分组的正则化项,将其与分位数回归模型相结合,对全局最小投资组合策略同时施加和惩罚项。可以降低交易成本和投资风险,使模型同时实现“稀疏化”和“风险分散”两个目标。为此,本文采用了交替方向乘子算法（Alternating Direction Multiplier Method,ADMM）对模型进行求解,并结合数值模拟与实证分析,与已有研究中的部分投资组合策略进行相关表现衡量指标上的比较,得出以下三点结论:第一,本文允许投资者事先对股票行业进行划分,提升了量化投资模型的可解释性;第二,这一策略通过同时达成行业与个股的稀疏选择,能够有效分散投资组合的极端风险;第三,通过引入惩罚项,能有效减少投资组合中的资产数目,从而控制交易成本。