证券业是一个高风险的行业，证券投资中的风险一直备受关注。因此，给出证券组合风险度量及各种安全标准，是风险防范和控制的一个重要问题。本文讨论了证券组合的风险度量问题，特别是风险价值(VaR)和条件风险价值(CVaR)这两种较新的度量方法，给出了安全第一标准下分别用风险价值和条件风险价值作为风险度量的最优投资组合的数学模型，并提出采用遗传算法对其进行求解。 本文首先介绍了证券组合问题和金融风险及其风险管理，在此基础上讨论了现在主要的风险度量方法：方差、半方差、平均绝对差、风险价值(VaR)和条件风险价值(CVaR)，并重点介绍了后两者及正态情形下的均值—VaR有效前沿／均值—CVaR有效前沿。 接着，给出了H．Pyle和S．J．Turnovsky提出的安全第一标准，然后在此标准下讨论用VaR风险度量和CVaR风险度量时最优投资组合的数学模型，并给出了此模型的简化形式。 最后，本文提出采用遗传算法对投资组合的数学模型进行求解，并具体给出了适合此问题的遗传算法的过程步骤，特比是初始种群的选取。 通过以上工作，得到了在VaR或CVaR风险度量下满足安全第一标准的最优投资组合。需要强调的是安全第一标准只是经常被人们用来作为例子的一个标准而已，其实投资者可以根据自己的实际情况设定安全标准，然后用本文所给出的方法进行求解就可以得到满足投资者偏好的最优投资组合。而本文的意义就在于给出了解决这类问题的一套方法或者解决方案。