近年来，由美国次贷危机引发的金融危机使得各国金融市场产生大幅波动，让人们广泛意识到金融风险管理的重要性。在金融风险管理研究中，对金融市场极端情形下的损失风险的估计和预测是研究者和各投资者关注的焦点。1994年，JP Morgan银行提出的VaR(Value at Risk)方法是目前金融风险度量中最为广泛运用的一种风险度量方法。近年来，对于动态VaR的研究主要有两个方面：一方面就是传统的风险度量模型，常假设损益分布服从正态分布，这与实际呈现出尖峰厚尾性和极端性的金融数据不吻合；另一方面，从实际金融数据的波动特征出发，构建准确的、合适的波动模型。鉴于两方面的情况，论文利用极值理论中的POT模型描述损益的尾部，用非对称长时记忆(FIAPARCH)模型描述其波动性特征，将两个模型结合起来对VaR进行度量，提出了基于POT-FIAPARCH模型的VaR计算方法。利用上证指数做实证分析，结果表明基于POT-FIAPARCH模型度量VaR是准确的，并且在度量极端风险时更加保守，有利于防范风险。同时，考虑到资产间波动的时变相关性及分散风险，论文提出了基于动态条件相关(DCC)多元FIGARCH模型和FIAPARCH模型以度量投资组合的VaR，最后利用上证综指和深证综指做了实证分析，结果表明基于DCC-FIAPARCH模型在度量极端风险时是准确的和有效的。