金融时间序列的风险测度一直是金融学研究的热点,自马科维茨提出均值-方差来度量金融风险,风险测度的研究得到了长久发展。出现了很多度量金融时间序列风险的指标,如Va R,CVa R等。对于这些风险度量指标,无论是方差、Va R还是CVa R,在计算过程中均使用方差来表征时间序列的波动性和不确定性,得到的风险值同时间序列的排序大多无关。而本文经论证得出金融时间序列的风险与序列排序是有关系的,即有时序性,用方差表征时间序列的波动性和不确定性有局限性。国内外学者对于时间序列风险的时序性特点研究较少,目前尚未有系统阐述时序性特点的研究。为此,本文研究分析了金融时间序列风险的时序性特点,对不同的时间序列的波动性和不确定性进行了研究分析。针对如何将时序性特点引入到金融时间序列的风险计算中的问题,本文分别采用两种方法进行研究。第一种方法是设计时序性指标——时序方差TV2代替方差来描述时间序列的不确定性和波动性,从而将时序性引入到风险值的计算中;第二种方法是建立ARMA-GARCH模型计算得到条件方差,进而计算时间序列的风险值。本文采用CVa R值来表征金融时间序列的风险,并选择蒙特卡洛模拟法作为计算方法。针对样本数据分布呈现的尖峰厚尾特性选择GED分布运用到蒙特卡洛模拟法中。利用本文提出的两种方法对CVa R值的计算进行优化,建立时序性CVa R,称为T-CVa R,并与蒙特卡洛模拟法相结合分别建立了TV-MC模型和ARMA-GARCH-MC模型。为验证本文建立的两种模型,选取2010年2月4日至2015年3月5日的上证综合指数的日收盘指数为研究对象进行了实证分析,并与未进行时序调整的传统计算模型的结果进行比较。结果表明,经过时序性调整后的两种模型结果均优于未经时序调整的结果。对结果分析得到两种模型存在不同的局限性,因此本文将两种模型结合建立了ARMA-TV-GARCH-MC模型,并得到了更加理想的结果。