在全球经济合作交流与一体化日益加强的背景下,各国之间的经贸、金融与人文联系更加密切,同时也为金融风险的全球化扩散提供了便利。金融危机的不断发生,特别是2008年美国爆发的次贷危机迅速传播至全球其他发达国家,致使整个世界经济体系受到重创。原有风险管理体系面临挑战,人们开始考虑新的风险预测模型,并认识到Knigh不确定性在风险测度中的重要意义。随着非线性期望理论的建立和完善,越来越多的学者开始研究应用非线性期望理论来开发风险管理模型。众所周知保险与风险相伴而生,因此本文进行了传统概率统计模型应用于保险风险测度的研究。然而传统概率不能很好地处理不确定性,事实上经济金融领域的许多变量具有一定程度的Knigh不确定性,非线性期望框架下的模型可以引入均值和波动的不确定,故本文仅仅以资本市场为例来说明基于G-期望理论的参数优化模型及其风险测度研究。从线性概率体系的保险风险管理出发,在总结保险产品的保费和损失函数的基础上,重点阐述了基于死亡均匀分布（UDD）假设的半连续两全寿险产品的损失风险测度,该结果是寿险产品损失风险更一般、更概括的表达式。时隔数年,我国保险业务于1979年恢复并得以迅速发展。以典型经济体中国市场为例,本文依据中国国内生产总值（GDP）和保险数据对保险风险管理与经济增长的关系进行了分析,主要运用向量自回归（VAR）模型进行相关统计分析,进而揭示公司财险、家庭财险、信用担保保险、农业险和意外险等保险赔付与经济增长之间的长期协整关系及其正向影响的重要性,建议提高保险意识和保险成本。与线性概率模型相比,非线性期望很好地刻画了金融市场不确定的动态相容性,进而可以更加有效地进行风险管理,因此本文旨在基于非线性期望框架的G-正态分布模型来计算风险价值（VaR）即GE-VaR。首先,基于现有文献涉及的GE-VaR模型的方差估计方法,又由于金融数据的动态变化和极端值在VaR回测时的影响,本文引入了原始样本预处理方法以及移动窗口W0选取标准。其次,动态数据平滑和方差估计采用了自助法和留一法相结合的方案,得到相应纠偏均值和方差估计后并利用移动窗口法计算VaR的参数。最后,本文利用2015至2021年间的深证成指数据进行模型实证研究,比较了改进动态平滑移动窗口法的GE-VaR与线性概率下的基准VaR模型（历史模拟法、指数加权移动平均法和AR-GARCH模型）在99%置信水平下的表现。结果表明:使用违规率和偏差作为模型性能分析的指标,改进的GE-VaR相较于基准VaR模型偏差较低,且违规率更接近显著性水平,并且很好地拟合了原始数据的变化趋势。