风险价值(Value-at-Risk, VaR)是从20世纪90年代初期开始发展起来的一种金融市场风险测量的方法,其核心思想是计算由于市场价格波动导致金融资产所面临的市场风险的大小.精确度量风险价值VaR和由此衍生来的条件风险价值 CVaR是对风险管理者的挑战.广泛应用的正态分布不足以描述金融收益的厚尾特征,尤其是风险管理者最为关心的较大分位数.而应用极值理论计算风险时注重对分布尾部的近似表达,而不是对整个分布进行建模,从而能更有效地捕捉可能导致的尾部风险,所以,把极值理论应用于风险量化分析不失为一种比较理想的方法.极值理论(EVT)主要是研究随机变量或过程的极端情况的统计规律性.经典的极值模型要求数据是独立同分布的,实际中,我们发现很多数据存在局部相关性,从而引起极值的成串出现.对于平稳序列,可以引入极值指标来描述数据之间的相关结构,利用分串(declustering)方法去除数据间的相关性,得到独立同分布序列,再按传统的方法,建立超阈值模型(POT模型),得到改进后的VaR和CVaR.本篇论文首先介绍了金融风险的相关知识,回顾了金融风险测量技术的演变历程,总结了VaR在国内外的研究现状,介绍了VaR的概念、计算原理及方法. 由于VaR的计算方法多样,适用于不同的市场条件、数据水平、精度要求等,本文综合比较了VaR的多种计算方法,指出各自的优缺点及适用的场合.接着分析了VaR风险管理技术之所以被国际金融界广泛认可的优点,同时也指出了作为一个金融数理模型所存在的缺陷,以及对我国的借鉴意义.并对由VaR衍生出来、更接近于投资者真实心里感受的一致性风险价值度量方法条件风险价值CVaR进行了介绍和分析.然后借助于日元/美元的汇率数据,对平稳序列对应的VaR和CVaR展开研究.为了能更准确地反映金融机构面临的市场风险,进行深层次的、全面的管理金融风险,本文最后从以下几方面展开了风险价值度量方法的研究:多元非正态分布族,投资组合中相关性度量方法及Copula函数.本篇论文旨在运用极值理论等相关知识提高VaR的适用性和估计的精确度,相信本文对金融机构应用VaR、CVaR控制市场风险具有重要的参考价值和指导意义.