证券市场是一个高风险市场,众多不确定性因素导致难以预测市场趋势,投资者不断地寻找能够有效降低投资风险而获得更高收益的投资策略,大量研究表明将投资对象进行合理有效的组合可以满足投资者的这一需求。自马科维茨提出均值-方差模型以来,人们一直在研究拓展完善证券选择模型的各种方法,使模型更适合市场条件或可更好的度量风险,能够更好地服务于投资实践。论文在传统均值-CVaR投资组合模型基础上,引入交易成本,以求建立更符合市场条件更具有实用性的证券选择模型。论文首先综述国内外相关研究成果,概述证券投资组合、CVaR以及遗传算法等相关基础理论;接着利用多种市场指数验证我国证券市场资产收益率服从laplace分布,说明模型构建的假设条件,在此基础上建立基于交易成本的均值-CVaR证券投资组合模型;然后根据历史模拟法估计期望收益率,利用上证50指数样本股构建初始最优证券资产组合;最后以每一个月为一投资期,分别计算出各期最优证券资产组合,采取积极策略相应调整资产组合,计算各期的证券投资组合收益,并将此收益与上证50综合收益和不考虑交易成本的投资组合收益相比较。实证分析结果表明,利用基于交易成本的均值-CVaR证券投资组合模型的积极策略是有效的。