在金融市场日益活跃的当代社会，金融风险度量方法发挥着举足轻重的作用，其中风险值VaR(Value-at-Risk)是一种利用统计技术来度量市场风险的方法，近些年来成为了广泛应用的市场风险度量的重要工具之一，它的突出作用是在对金融资产进行投资组合的时候，帮助有效地分析风险以及作为作为制定风险管理相关政策的依据.因此，VaR计算问题十分具有现实意义.　　本文是在异方差模型Rt=σtεt假设基础上，基于鞍点逼近(Saddle-point Approximation)的数学工具、广义双曲分布(Generalized HyperbolicDistribution)的边际假设以及连接函数(Copula)的运用来对高维风险值VaR的计算问题进行探索，从而提供一种快速准确的全新方法组合.在本文对金融市场数据作异方差模型假设下，一般地，把金融资产收益Rt分为两部分:波动性参数项σt以及随机误差项εt，要估计VaR必然要对以上两部分中的参数进行估计，对于波动项σt采用了理论实践中都已经十分普及的GARCH(1，1)模型的假设，后来得到很好的参数估计.关于后面的项εt对多元资产组合求高维分布函数时，使用连接函数Copula和边际分布来简化随机误差项εt多元联合分布的估计，从而只需要估计适合刻画损失分布的Copula函数以及随机项εt的边际函数.对于Copula，尝试采用了t-Copula以及阿基米德Copula等适宜刻画金融收益数据相关性的函数，并运用基于最大似然原理的估计方法得到参数估计.边际分布的假设不再是难以刻画收益分布尖峰厚尾的高斯分布，而选择广义双曲分布，这个分布在拟合模型、厚尾特征上更加与现实收益数据吻合.在通过蒙特卡罗方法从拟合出的高维分布产生数据后，本文在原始以及新生数据结合基础上创新性地提出使用鞍点逼近的方法来逼近各个单元分布的尾部分位，从而得到VaR计算问题的解决.关于鞍点逼近，它作为一种准确获得精确近似尾部估计的快速方法，在过去二十年来已经开始受到统计理论研究界越来越多的重视，事实证明本方法在VaR近似上确实快速高效，Copula函数的运用还使得多元联合分布的尾部相依性得到很好刻画.通过实证研究检验发现，这种方法在估计准确度方面要比传统方法优势明显.　　本文的结构是这样安排的，总共分有六章，第一章引言以及文献综述，第二章收益分布与连接函数Copula，第三章关于波动性参数σt的模型，第四章广义双曲分布的假设与鞍点逼近的应用，第五章VaR计算步骤与实证研究，第六章本文结论.