风险价值度(Value at Risk,简称VaR)是目前金融市场上各种风险管理体系中被应用于测量市场风险的主要工具。从计量经济学的角度来看,在金融风险管理中,VaR是在给定置信水平和持有期内收益损失分布的分位数。在估计VaR的方法中,基于假设收益率服从某种分布的参数估计方法最为常见。因此,在常见的计算VaR的方法中,对金融资产收益率的统计分布作出正确的假设变得非常重要。结合金融时间序列数据,在本文中我们使用分位数回归这一不需要对数据分布提前作出假设的方法来对VaR进行研究。本文试图在条件自回归风险价值(Conditional Autoregressive Value at Risk by Regression Quantiles,简称CAViaR)模型的基础上提出一种新的计算VaR的方法。CAViaR是在2004年由Engle和Manganelli提出的一种类似于广义自回归条件异方差(Generalized Autoregressive Conditional Heteroskedasticity,简称GARCH)形式的计算分位数的方法。本文在CAViaR模型的基础上,把其中揭示分位数与历史信息间不同演化关系的连接函数看作一个动态的函数,并尝试用非参数估计方法来对该连接函数进行近似估计。本文提出使用非参数回归样条法和平滑样条法来对连接函数进行估计。在平滑参数的选择中,我们使用Schwarz信息准则(Schwarz Information Criterion,简称SIC)来对回归样条的结点位置和数量、平滑样条的调节系数进行选择。最后,运用本文提出的模型对中国外汇市场的风险价值进行实证研究,并在此基础上同其他几种常见计算VaR的方法进行比较。