自二十世纪九十年代末起，随着国际金融市场的日趋规范和壮大，各金融机构之间的竞争发生了根本性变化，特别是金融产品的创新，使金融机构从过去对外部资源的竞争转变为内部管理与创新方式的竞争，从而导致了各金融机构的经营管理发生了深刻的变化，发达国家的各大银行、证券公司和其他金融机构都积极参与金融产品的创新和交易，使金融风险管理问题成为现代金融机构的基础和核心。随着我国加入WTO，国内金融机构将面对全球金融一体化的严峻挑战，因此金融风险管理更显其重要性。　　传统的资产负债管理（Asset-Liability Management）过分依赖于金融机构的报表分析，缺乏时效性，资产定价模型（CAPM）无法揉合新的金融衍生品种，而用方差和β系数来度量风险只反映了市场（或资产）的波动幅度。这些传统方法很难准确定义和度量金融机构存在的金融风险。1993年，G30集团在研究衍生品种基础上发表了《衍生产品的实践和规则》的报告，提出了度量市场风险的VaR模型（Value-at-Risk），稍后由J.P.Morgan推出了计算VaR的RiskMetrics风险控制模型。在这些基础上，又推出了计算VaR的CreditMetricsTM风险控制模型，前者用来衡量市场风险;后者，即J.P.Morgan公开的CreitmetriicTM技术，已成功地将标准VaR模型应用范围扩大到了信用风险的评估上，发展为“信用风险估价”(Credit Value atRisk)模型，当然计算信用风险评估的模型要比市场风险估值模型更为复杂。目前，基于VaR度量金融风险已成为国外大多数金融机构广泛采用的衡量金融风险大小的方法。　　经过多年努力，风险管理技术已达到可以主动控制风险的水平。目前有关研究侧重于对已有技术的完整和补充，以及将风险计值法推广到市场风险以外（包括信用风险、结算风险、操作风险）等其他风险领域的尝试。　　本论文就是在这个背景下展开的，其目的就是要通过借鉴国际上金融风险管理的先进方法和手段，进而结合我国金融市场的实际情况，建立起适合我国国情的金融风险管理的方法。　　本人于2001年参加国家科技部“十五”信息技术领域2002年度重大应用示范项目—“证券行业风险识别、监控与防范技术支持系统”，以及国家科技部中小企业创新基金项目—“中国证券市场VAR金融衍生工具软件包”的相关科研工作。正是在项目组已有的科研成果的基础上，展开了本论文的研究工作，这些工作一方面是对已有研究成果的进一步深化，如VaR计算的Monte-Carlo模拟法参数的选择，另一方面也包括几个新的研究内容，如对Monte-Carlo模拟法的优化，以及对几个不同证券市场指数进行VaR的计算和风险分析评价。　　在研究内容的选择上，本论文立足于VaR的基本理论和方法，对计算VaR的Monte-Carlo模拟法进行了专题研究，这些研究内容主要分为两个部分，一个是对Monte-Carlo模拟法的参数选择进行实证研究分析，如Monte-Carlo模拟中随机过程的选择，产生随机数的分布的选择，方法的检验，Monte-Carlo模拟的优化等;另一个是针对具体的标的，如:上证180指数，深证100指数，新华富时200指数，进行VaR值的测算和风险分析。　　在模型方面，除了运用基本的Monte-Carlo模拟法模型来测算VaR值以外，文章重点对非正态分布的Monte-Carlo模拟法进行研究，以期在市场收益率的经验分布不服从正态分布的情况下，找到一个更加适合市场实际情况的分布来代替正态分布。除此之外，本论文还采用了重要性抽样（Importance Sampling）的方法对Monte-Carlo模拟法进行优化，在提高Monte-Carlo模拟法的优化速度方面提供了实证分析，对提高Monte-Carlo模拟法的性能和效率方面有重要的意义。　　本论文的基本框架如下:　　第一章是绪论，首先对国内外金融风险管理的发展情况做了简要的综述，然后阐述了本论文的研究背景，研究的内容、目的和意义，以及论文的整体结构。　　第二章介绍了VaR的理论和方法，首先对VaR的概念、VaR理论的发展做了简要的介绍，然后分析了基本的VaR计算方法，包括参数方法和非参数方法的具体计算模型及各方法的优缺点，最后对VaR方法做了一个总体客观的评价。　　第三章重点针对Monte-Carlo模拟法做了理论和实证方面的研究。首先简单介绍了Monte-Carlo模拟法的概念，步骤，然后分析了Monte-Carlo模拟法的优缺点，最后针对Monte-Carlo模拟法中遇到的参数选择问题做了理论和实证研究。　　首先在随机过程的选择的问题上，选取两种最常用的随机过程-几何布朗运动模型和对数随机漫步模型，采用这两种随即过程通过对上证180的VaR值的计算，分析这两种模型的适用性。　　然后对产生随机数分布的选择问题，采用正态分布，t分布，柯西分布，拉普拉斯分布四种分布产生随机数，同样通过对上证180指数的VaR的分析，分析了这四种分布在中国股市上的适用性。用失败率检验的方法对上述的几种方法进行了检验。　　最后采用重要性抽样的方法对Monte-Carlo模拟进行优化。模拟优化的结果还是比较令人满意的，可以大大提高Monte-Carlo模拟的效率和精度。　　第四章主要是对具体市场标的的实证研究。采用Monte-Carlo模拟法针对现在中国市场上比较典型的三个指数-上证180指数，深证100指数和新华富时指数-测算它们在一段时间内的VaR值，对其进行风险分析，然后比较分析这三种指数的风险水平。　　最后一部分对本论文的研究结果进行了总结，并对后续研究进行了展望。