近年来，作为一种重要的风险度量工具，VaR(Value-at-Risk)和CTE(Conditional Tail Expectation)的估计问题成为了一个关键问题.本文将两者的估计方程结合起来一起考虑，应用经验似然方法，提出了一个新的估计VaR和CTE的方法.通过分析，可以得到VaR和CTE的经验似然比函数的极限分布是一个卡方分布.进一步，本文考虑有辅助信息时候的VaR和CTE的基于经验似然的估计方法，通过对辅助信息用经验似然方法可以构建新的关于VaR和CTE的估计方程.再结合bootstrap方法，可以从新的估计方程解得一系列的VaR和CTE的估计值.通过分析，可以得到VaR和CTE的估计值的极限分布是一个正态分布.通过得到的极限分布，就可以构建VaR和CTE的置信区间.为了评估经验似然方法的好坏，本文简介了VaR和CTE的另一种估计方法——基于bootstrap的样本分位数估计法.最后，通过数据模拟，可以发现VaR和CTE的经验似然置信区间相比于基于bootstrap的样本分位数置信区间有更好的覆盖率.另外，还可以观察到考虑辅助信息的经验似然置信区间相比于不考虑辅助信息的经验似然置信区间有更小的置信区间长度.