随着金融市场的发展,人们面临的风险越来越复杂,风险是未来损失的不确定性,面对金融风险如何进行较为准确的度量是一个重要的研究课题。风险价值(VaR)的出现使得将金融资产组合在一定时期内的最大可能损失定量化成为可能。目前,VaR已成为度量市场风险的一种普遍使用的工具,可看作是市场风险度量的基石。本文首先对VaR进行了全面深入的研究,不仅对VaR模型的产生背景、计算原理、优缺点进行了详细地讨论,同时还对三种典型的VaR计算方法进行了综合的分析和比较。尽管VaR方法近年来非常流行,但研究结果和实践经验都表明,过于单纯的VaR风险度量方法存在严重缺陷。而CVaR的提出,恰恰弥补了VaR的缺陷。因此,本论文同时考虑了这两种风险度量方法,并在实证分析中进行了比较。其次,本文基于参数方法研究VaR。参数方法一般假设金融序列服从正态分布,但是大量文献表明金融序列不是正态的,而是有偏的、尖峰厚尾的。为此本文构造了一种新的非对称Laplace分布,该分布比一般的非对称Laplace分布结构简单,具有良好的性质,能很好地描述金融数据中的有偏性和尖峰厚尾性。文中详细地讨论了非对称Laplace分布的性质、参数估计方法,并用该分布拟合了中国股票市场几只股票的收益率分布。实证分析表明本文构造的Laplace分布比正态分布、对称Laplace分布的拟合效果要好。最后,本文给出了Copula函数的基本定义和性质,采用Monte Carlo模拟方法计算了投资组合的VaR。实证分析表明Copula函数能很好地描述金融序列间的相关性,在投资组合方面对金融风险的度量具有一定的指导意义。