VaR（Value at Risk，风险价值）方法，是近年来新出现的一种度量金融风险的工具，是一种利用统计思想对金融风险进行估值的方法。1994年，J.P.Morgan投资银行首先推出了基于VaR的风险度量系统——RiskMetrics，该系统能评测许多国家金融市场的风险，该系统一经提出就以其对市场风险衡量的准确、科学、实用和综合的特点受到了金融界的欢迎，并迅速在投资机构中得到了广泛的应用。同时，国际银行业的巴塞尔委员会利用VaR模型所估计的市场风险来确定金融机构的资本充足率。VaR方法利用统计思想对风险进行估值，其含义是“处在风险中的价值”，是指在市场正常波动下，某一金融资产或证券组合的最大可能损失。VaR作为风险度量方法有很多优点，如概念简单，易于理解，能直接比较面临不同风险的不同工具之间的相对风险度等。尽管VaR很受欢迎，并得到了广泛的研究，但VaR在投资组合应用中存在两个缺陷:一是缺乏次可加性和凸性，即证券组合的风险不一定小于各证券风险之和，即不满足一致性风险度量。二是尾部损失测量的非充分性，这些缺陷可能导致组合优化上的错误。鉴于VaR的这些缺陷，理论界提出了一种VaR的修正方法，即条件风险价值，简称CVaR。　　CVaR(Conditional Value at Risk)风险测量方法是在VaR风险测量方法的缺陷基础之上所产生的，最早是在1999年底由Rockafellar提出的，其含义是:组合损失超过VaR的条件均值，代表了超额损失的平均水平。它较之于VaR风险测量方法，更能体现投资组合的潜在损失。CVaR是个一致性的风险度量，它具有次可加性和凸性，在数学上也较容易处理，最近研究表明，CVaR可以通过使用线性规划算法来进行组合优化。很多实证分析表明，最小化CVaR的同时，也得到了VaR的近似最优解。　　CVaR风险测量方法有很多方面的应用，如信用风险的测量、内部风险资本金的确定、资本配置、金融监管等，本文重点研究的是CVaR约束下的投资组合优化模型，在研究的过程中，力求运用系统理论、归纳演绎、比较分析等研究方法。首先，从总体上介绍了VaR风险测量方法的定义和计算方法，分析了VaR方法的缺陷，然后对CVaR风险测量方法进行了深入的研究，对其概念、计算、应用及性质等方面都作了较详细的探讨，得出的结论是CVaR风险测量方法比VaR风险测量方法有更多的优点。其次，在投资组合优化模型中引入了CVaR方法，解决了均值—CVaR边界与有效前沿问题，构造了在CVaR约束下的投资组合优化模型。并对这两个问题进行了实证分析，实际上，这两个问题是一样的，都是利用CVaR来指导投资决策，控制组合市场风险的，不同的只是方法，通过实证分析，得出结论，CVaR风险测量方法对投资决策有指导意义，在CVaR约束下的投资组合优化模型是均值—CVaR模型的有益补充;最后，阐述了CVaR模型在我国应用所面临的困难，给出在我国应用CVaR的几点建议。