随着金融衍生品不断丰富，加上最近出现的互联网金融，都使得个人和企业面临更多投资理财的选择。风险和收益总是相伴相生，相互制约，因此在有限资金情况下，如何以最小的风险取得最大的收益，是长期摆在学术界、金融界和投资者面前的问题，这也是投资组合理论（Portfolio Theory）产生的背景和研究内容。金融时间序列分析（Analysis of Financial Time Series）是一门新兴的涉及数理统计、经济金融与计算机科学的交叉学科，因此考虑通过研究金融时间序列特征和风险模型，来改进投资组合模型。首先，介绍了本课题的研究背景和意义，对国内外相关文献和研究技术做了综述。结合广义自回归条件异方差（Generalized Autoregressive Conditional Heteroskedasticity，GARCH）模型和马尔科夫蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法，提出了一个改进的VaR（Value at Risk，VaR）计算方法，并结合沪深300指数对改算法进行了实证比较分析。接着，针对股票收益率数据分布尖峰后尾的特性，从线性微分方程中推导出双参数q-高斯分布概率密度函数，研究了其图形特征和参数估计方法，将其应用在经典的投资组合模型中，结合真实股票数据实证研究，结果表明基于q-高斯分布的投资组合模型可以取得更大收益。然后，针对资产收益率序列间的相依关系和尖峰后尾特性，把Copula理论、极值理论、q-高斯分布投资组合模型集成起来，提出了一个集成算法框架，用以衡量资产组合风险和收益，通过选取近年来和中国经济关系密切的数个经济体的指数数据进行了实证研究分析，结果表明该集成算法框架可以有效降低投资风险并最大化收益。最后，基于R语言出众的统计分析功能和金融互联网的特点，结合RShiny、FastRWeb和ECharts等Web数据可视化技术，构建了基于Web的金融数据可视化系统。