近年来,金融市场在社会的经济活动中逐渐占据重要的地位,然而,普通的投资者具有很强的盲目性与从众心理,无法做出更为正确的投资选择。因此,研究如何将资产进行有效的组合从而得到更好的投资策略,具有十分重要的意义。本文主要提出了一种新的投资组合风险度量方法——投资组合模糊收益的不确定性。本文在数据的选择上是选取了上证300指数中的40支成分股作为本文进行实验的研究对象,同时在选择股票时也综合考虑了规模性与行业差异的情况。在现代投资组合理论中著名的夏普比率基础上,本文在模糊建模背景下提出了所谓的模糊夏普比率。除了引入新的风险度量方法外,本文还提出了模糊模型中评估投资组合绩效的收益不确定性比。根据TM模糊算法,基于上面提出的模糊夏普比率与收益不确定性指数,建立了两种投资组合优化模型,两种模型均以收益的最大化和风险的最小化为目标,但在构建目标时,两种模型存在差异,第一种模型是在引入了模糊因素的情况下,将股票收益转化为模糊收益,并根据TM计算方法构建所需得到的收益与风险表达式,从而将问题转化为了多目标优化的问题,再利用遗传算法对其进行求解,第二种模型则未引入模糊因素,以收益率均值为投资组合的收益目标,以其标准差为风险目标,该模型也将问题转换成了多目标优化问题,同样的使用遗传算法对其求解。本文的结果表明,模型1的双重风险衡量标准使的其在所检验的时间段中收益相对模型2更为可观。在股票的选择与权重的分配上,加入模糊夏普比率和收益-不确定性指标的模型1在选择股票时更为仔细,同时在权重的分配上,相对于模型2也更为谨慎。因此,通过引入模糊概念来构建投资组合策略相比未引入模糊概念构建投资组合策略具有更好的表现,这也为投资者在选择股票进行投资组合策略构建时提供了一定的借鉴参考意义。