VaR(Value at Risk)方法是目前金融市场风险测量的主流方法，因其具有综合、简洁、实用等特点，问世后不久就受到了各类银行、非银行金融机构及一些大公司的普遍欢迎． VaR的概念虽然简单，但其度量却是一个极具挑战性的统计问题．近年来，国外对VaR的研究较为深入，计算VaR的方法层出不穷，国内研究则相对落后．随着中国金融领域改革的进一步深化，透彻研究VaR的概念及其计算方法已成为当前风险测量技术的当务之急． 目前，计算VaR有三种主流方法一历史模拟方法、蒙特卡罗模拟法、分析方法，但都有其不足之处．很多学者提出用极值理论来度量市场风险，极值分布方法不需要对整个资产收益分布做任何假设，而是仅仅拟合分布的尾部，从而避免了模型风险，因此可以较准确地计算极端情况下的VaR． 由于实际的金融时间序列数据存在明显的厚尾特征，为此，本文旨在运用极值理论等相关知识，使用参数一非参数联合方法建立一种新的概率密度函数，在重尾分布的尾部为正规变化函数的假设下，估计其高分位数，从而得到VaR的一种新的估计方法．