如今, VaR是得到广泛认同和应用的风险度量值, VaR方法在于利用一个结构性方法论去思考风险,金融机构面对风险,可以经过计算VaR值的过程,运用VaR方法避免可能发生的损失,从而建立风险管理来监管市场有着积极意义.近期, chen（2005, [24]）对α-混合序列讨论了VaR核估计及其性质、估计误差以及非参数与参数估计的比较分析.但是此文中没有给出VaR核估计渐近正态的收敛速度.本文受文[24]的启发,运用杨善朝（1997, [22]）的矩不等式工具,在严平稳的ρ-混合收益序列下对VaR核估计讨论收敛速度问题,提出与该速度相关的Bahadur表达式,并给出了一致渐近正态的收敛速度,最后对沪深股指进行实证分析.本论文中,对于严平稳收益序列{Xt : t≥1},给定p∈（0,1）,在1 - p置信水平下的VaR值定义为:ν_p = -inf{u : F（u）≥p}其中, Xt的分布函数为F（x）.我们考虑满足下面方程F|^_n,h（x） = p的解ν_p,h作为ν_p核估计量,这里, Fn,h（x）为分布函数F（x）的核估计（见（2-1）式）.本论文给出了以下假设条件:条件1: {Xt : t≥1}是严平稳且是ρ-混合序列,ρ（n） = O(n^-λ) （λ> 1）,这里t≥1, Xt有连续分布函数F（x）和连续密度函数f（x）.条件2: f（ν_p） > 0,p∈（0,1）, f（·）在ν_p的邻域B（ν_p）中有连续三阶导数,对于（X1,Xk+1）, k≥1的联合分布函数Fk,其三阶偏导数在B（ν_p）中关于k一致有界.条件3:核函数K是一元概率密度函数,有连续有界二阶导数,且满足以下的矩条件:+∞+∞条件4:当n→∞时,平滑窗宽h满足h→0, nh⁴ log² n→0,而且对（?）β>0,nh^3-β→∞.由上面的假设条件我们可以得到以下几个结论:定理2.1: （强收敛性质）如果条件1 -4成立,那么有定理2.2: （Bahadur表达式）如果条件1 - 4成立,那么有定理2.3: （一致渐近正态性）如果条件1 - 4成立,倘若λ> 7/6,对（?）ρ> 0,那么有其中Φ（·）是标准正态分布函数.本文与chen（2005, [24]）条件与结果的比较,有几个不同点:第一,本文是针对ρ-混合相依序列,而文[24]是针对α-混合相依序列讨论.第二,本文定理2.1中ν_p,h的收敛速度n^-1/2 log^1/2 n对比文[24]定理1中的ν_p,h的收敛速度n^-1/2 logn要略快一些;第三,本文定理2.2中给出ν_p,h的Bahadur表达式,而文[24]没有给出.第四,文[24]的定理3证明了ν_p,h的一致渐近正态性但没有给出其收敛速度,而本文定理2.3给出了ν_p,h一致渐近正态性收敛速度.本论文首先概略地介绍风险的涵义、以及风险管理中风险度量值VaR的一些估计方法和发展历程;其次提出几个ρ-混合序列的假设条件,并给出关于收敛性与一致渐近正态性的几个主要结论;然后列出理论证明所需的预备引理,并给出所提出结论的证明;最后根据VaR核估计的理论对沪深指数进行实证研究.