风险理解为预期收益与实际收益之间的不确定性,随着金融市场的迅速发展,金融市场风险也层出不穷,投资组合是分散风险的有效办法。目前常用的投资组合模型有均值-方差模型、均值-VaR模型与均值-ES模型,而这三个模型的计算过程十分复杂,导致计算结果不够精确。本文将这三个模型分别转化为几个回归问题,并通过实证分析得出结论:基于expectile回归的均值-ES模型可以更好地分散尾部风险。本文分为五部分。首先,第一章阐述了金融风险与投资组合的研究背景,介绍了风险度量与投资组合的研究现状。第二章给出了几个基本数学定义,概述了风险度量与一致风险度量的概念,同时介绍了目前常用的几种风险度量方法:方差风险度量、VaR以及ES,最后探讨了几种风险度量的计算方法以及各自的优缺点。第三章阐述了expectile的概念以及expectile与分位数的关系,介绍了目前常用的几种投资组合模型:均值-方差模型、均值-VaR模型与均值-ES模型,并将这三个模型分别转化为均值回归模型、分位数回归模型与expectile回归模型,给出模型优化相应的推导与计算过程。转化为回归问题后模型的求解复杂度大大减低,模型估计的准确性也有所提高。最后,第四章与第五章是实证与结论部分,分别计算三个模型投资组合的投资权重,并基于GARCH(1,1)模型分别对组合收益率序列的波动性进行估计,计算相应的样本内风险度量值与样本外风险预测,分析得到如下结论:基于expectile回归的均值-ES模型大大降低了原始模型计算的复杂度,对于股票与基金投资组合有明显的分散尾部风险的作用。