近年来通货膨胀和金融市场的震荡，不仅使国内外股市受到了剧烈的冲击，还引起了人民币的贬值等。人们不断寻求更好的投资产品，因为黄金具有增值保值的功能，所以成了投资者的新宠儿，吸引了大量的投资者将投资方向从股市和外汇市场转向了黄金市场。但是国内的黄金市场发展并不成熟，黄金价格的波动受利率水平、原油价格、美元汇率等多方面的影响，因此投资者及管理部门对风险值的度量尤为重视。　　风险度量的核心即波动率的预测。金融时间序列存在一些特殊的性质，而随机波动率（SV）模型能够更好地捕捉金融时间序列中的“尖峰厚尾”现象、波动聚集性和高持续性等特征，可以较准确地刻画实际金融时间序列的波动率，是广义自回归条件异方差模型的有效替代和升级。高斯混合 SV（SV-T-MN）模型被证实能够较精确地预测金融时序的波动率，且用蒙特卡罗方法（MCMC）方法和模拟EM算法获得模型的待估参数，能够有效降低混合高斯的近似误差，所以本文选取该模型预测黄金价格的波动率。同时，在金融市场中，极端情况虽然发生的机率较小，一旦发生所造成的损失将会相当大，为了避免传统的风险度量方法忽略极端事件的缺点，引入极值理论的POT模型来解决尾部风险的难题。由于POT模型是对超阈值样本进行建模，所以阈值的选取较为重要，利用平均超额函数图和峰度法的综合运用选取合适的阈值，通过极大似然估计法得到GPD分布的待估参数，可以得到基于SV-T-MN-POT模型的动态VaR预测模型。　　在实证研究中，本文先后用GARCH类和SV类模型刻画黄金价格的时变波动率，并分别与极值理论结合，构建五种风险预测模型。结果表明，本文构建的SV-T-MN-POT模型对极值风险的反应更加灵敏，该组合模型可以合理有效地度量并预测黄金市场的风险值，使投资者进一步认识到黄金市场的极端风险并积极采取应对策略。