新世纪特别是2008年世界金融危机爆发以来，国际、国内金融市场都发生了深刻的变革，金融市场风险明显增大，分析金融波动特征和度量金融市场风险对投资与监管都具有重要的意义。VaR(Value-at-Risk)方法以其高度的综合概括能力，为投资者提供了一个直观、全面的风险量化指标，目前已成为世界主流的风险测度方法。本文主要针对金融数据所呈现的尖峰厚尾、波动持续、结构转变等特征，探讨了金融市场风险度量的VaR模型的改进方法与应用。首先对本文的研究背景及意义、VaR模型在国内外的研究概况进行概述，并提出了本文的主要内容。然后介绍了隐马尔可夫模型的基本概念与算法，指出其在异常状态识别上的应用。紧接着阐述了VaR的基本原理与计算方法，指出常用的ARCH模型族估算波动率方法的不足，在此基础上提出了本文模型：HMM-ARMA-GARCH模型，用隐马尔可夫模型的状态变量来描述金融市场的正常波动状态与异常波动状态，同时不可观测的状态变量能够对波动的集聚现象给出很好的解释。对不同的状态数据分别建立ARMA-GARCH模型来估算波动率，同时给出VaR的具体计算方法。最后对上证企债指数进行实证分析，采用Kupiec失败频率检验法对VaR的准确性进行检验，并与传统的ARMA-GARCH模型的估算效果进行比较。实证结果表明基于本文模型的VaR计算方法具有较好的估计效果，且能够有效的降低GARCH模型高估波动持续性的现象。