投资组合理论是金融学中的重要研究课题之一，其目的是寻求一个最优投资组合，在给定的风险下使投资组合收益最大化。现代投资组合理论是以经典的Markowitz证券投资组合理论为基石的。该理论在实际应用中还存在着诸多缺陷，这些缺陷促使学者们不断地对其进行创新研究。投资组合风险管理的基础与核心是风险度量。投资组合风险度量就是度量由于市场因子的不利变化而导致的投资组合价值损失的大小。VaR和CVaR是两种应用比较广泛的风险度量方法。　　 本文系统介绍了VaR风险度量方法和CVaR风险度量方法。通过介绍VaR和CVaR方法的概念和性质，阐述了他们各自的优缺点，分析了将VaR和CVaR应用于决策问题的处理方法。目前VaR主要有三种计算方法：历史模拟法、MonteCarlo模拟法和参数分析法，VaR的前提假设与实际数据之间的差距将会影响VaR方法的实用性。CVaR方法是在VaR方法的缺陷基础上产生的，由于它概念简单，又具有许多优良性质，已经引起众多研究者的注意，成为金融风险管理中研究的前沿课题。对于均值-VaR模型和均值-CVaR模型，本文都做了模型分析，给出了它们的有效前沿。在收益率服从联合正态分布的假设下，均值-VaR模型和均值-CVaR模型的有效前沿都是均值-方差有效前沿的子集。通过分析可以发现，当置信度β趋近于1时，均值-VaR模型和均值-CVaR模型的有效前沿都趋近于均值-方差有效前沿。同样在收益率服从联合正态分布的假设下，带有无风险资产的上述两种模型的有效前沿都变成一条射线，而当存款利率与贷款利率不同的时候，模型的有效前沿不再是一条射线。本文对均值-VaR模型和均值-CVaR模型的有效前沿进行了实证分析，并且利用边际VaR、成分VaR、增量VaR这三种风险度量工具对构建的证券投资组合的风险进行进一步管理，以便更有效的控制其风险。