风险测量技术一直是金融领域关注的核心及热点。本文主要针对金融数据所呈现的特征,探讨金融市场风险度量的VaR模型的改进与应用。首先介绍文章的选题背景及意义,并进行文献综述。接着阐述VaR方法的基本原理及一般计算方法,从而明确VaR计算的实质要领,并对传统的VaR计算方法进行评价；针对上述方法的不足,紧密结合金融数据的尖峰厚尾和波动集聚性特征,提出VaR模型的改进方向。紧接着,据此改进方向探讨基于GARCH模型的VaR计算方法,将GARCH模型与t分布或GED分布有机结合起来,建立GARCH-t模型与GARCH-GED模型,既能刻画数据的波动集聚性特征,又能刻画其厚尾特征,针对上述模型,给出了相应的VaR计算的具体步骤。然后利用上述分析思路与计算步骤分别对2006年到2008年15只基金的日收益率数据进行了VaR计算及返回检验,通过与基于GARCH-N模型的VaR计算结果比较,发现基于GARCH-GED模型计算出的VaR结果更能反应此样本基金的真实风险。最后,为消除金融资产收益率之间的相关性,引入主成分分析方法探讨了基于正交GARCH模型的投资组合的VaR计算,并进行了实证分析,得出了合理的结果。