自1952年Markowitz提出投资组合理论以来,投资组合的收益和风险就从定性分析发展到了定量研究。随着现代投资组合理论的发展,部分学者发现:在证券市场里,只研究随机的情况已经不再适用于现实复杂的投资环境;Markowitz提出的用方差去度量风险存在一定的局限性(计算复杂、高估风险和收益率分布只能是正态分布);现实的投资者都是处在一个长期变化的投资环境里,他们需要随市场变化而调整自己的投资策略。因此依据上述原因,本文主要研究内容如下:(1)在随机不确定情况下,对几种经典的风险测度指标进行一个简单比较,从而构建一种熵与半方差相结合的风险测度指标,通过实例验证该种风险度量指标更优,随后将模型扩展到多期情况下进行研究。由于采用常规的数学方法不能很好的求解本文所构建的模型,因此本文设计了一种小波神经网络与遗传算法相结合的混合智能算法,并采用逆序动态规划的方法进行研究。(2)在模糊不确定情况下,在投资组合模型中增加无风险资产,并考虑交易费用,进而构建含有无风险资产和交易费用的多期投资组合模型。同时给出一个具体实例,进行计算,实例结果表明:我们所构建的模型是合理的,设计的算法是有效的,从而给予投资者更多的投资方案。(3)在模糊不确定和随机不确定混合的情况下,提出了连续模糊随机熵的概念,并给出了相应的数学表达式,根据熵的性质,验证本文所定义的连续模糊随机熵是合理的。随后把这种连续模糊随机熵应用到投资组合模型中,用一个具体实例求解模型的有效前沿,并且将模型扩展到多期投资的情况下进行研究。综上所述,本文提出了半方差-熵风险测度指标,并根据随机熵和模糊熵的定义提出连续模糊随机熵的概念,同时构建相对应的投资组合模型。这些研究成果在理论上:丰富了投资组合模型的研究内容;在实际应用中:减少了计算的复杂度,而且能给投资者提供相对更优的投资策略。因此,本文的基于熵的多期投资组合模型的研究具有一定的理论意义和实际意义。