近年来,随着各国经济全球化步伐的加快,各国之间的金融市场也逐步走向了融合,各国金融市场的关联性不断增强。金融市场的开放与融合,在加速资本流动、加强资源配置效率的同时,也给各国金融市场带来了前所未有的风险。在各国金融一体化时代,某个或某些国家的金融市场在发生金融危机时,危机会迅速传导至其它国家,并且逐步蔓延,从而造成全球性的金融危机和经济下滑。由于金融市场在市场经济运行中的作用日益凸显,使得金融风险管理已经成为各国金融机构及学术界关注的共同焦点,如何有效的度量、控制风险已经成为金融研究和实践的核心内容。在金融风险管理方面,全球通用的指标是在险价值VaR。对于VaR的度量,本文提出将EGARCH模型与分位数回归相结合的分位数EGARCH模型(Q-EGARCH模型)。Q-EGARCH模型既有分位数回归不受收益率分布假设影响的优点,又能直接反映资产收益波动率对VaR的影响,使得计算的VaR值更加贴近真实市场状况,为金融风险管理提供了一种新思路。由于在非线性分位数回归模型中,不宜使用传统参数估计方法进行参数估计,因此,本文在第三章就MM算法在非线性分位数回归参数估计中的运用进行了深入研究,并通过蒙特卡洛模拟试验验证了MM算法在非线性分位数回归模型参数估计中的适应性和优越性。模拟试验结果表明,在极端分位数水平下,MM算法比非线性分位数回归内点法的参数估计效果更优越。鉴于MM算法在非线性分位数回归参数估计中优越性,故本文第四章基于传统MM算法思想,探讨了MM算法在Q-EGARCH模型中的应用,从而利用MM算法估计Q-EGARCH模型的参数,然后计算出相应的在险价值。通过对沪深300股指期货的实证分析,并将Q-EGARCH模型与传统VaR计算模型的VaR计算结果进行比较,发现Q-EGARCH模型在95%和99%的置信水平下所计算的VaR均比其它VaR计算方法更加精确,特别是在99%置信水平下,Q-EGARCH模型的优势体现的更加明显。说明本文新构造的Q-EGARCH模型,能够更加准确的计算VaR,使得金融机构能够更加有效的进行风险管理,特别是对于风险厌恶性金融机构而言,本文具有非常宝贵的参考价值。