风险度量模型CVaR(Conditional-value-at-risk,条件在险价值)有很多优点，它即弥补了VaR（Value-at-risk，在险价值）模型的不足，也满足一致性风险度量的要求，故一度受风险管理者的追捧。但在计算过程中，要求随机变量分布情况已知的前提下进行度量的，而现实中的金融市场常常受到各种复杂因素的影响，尤其我国目前证券市场发展不完善，金融市场波动较大，随机变量分布信息无法完全知道，CVaR风险度量模型度量效率较低。随后，Zhu-FuKushima率先提出了最坏情境下的条件在险价值，简称WCVaR（Worst-case CVaR），它刻画了非完全信息下的风险，在现实中，我们无法预知某件事情的结果时，常常会考虑最坏情况发生时的情况，从而更好预知风险。本文考虑现实中资产收益率服从混合分布下的WCVaR模型，并在模型中加入比例交易费用函数，使得加入交易费用后的模型研究更贴近现实。然后利用向量自回归构建收益率未来路径，再根据上述回归后残差分布，判别残差可能服从哪几种概率分布情况，结合蒙特卡罗方法随机生成未来资产收益率情景。考虑损失函数为线性的情况下，从而将不确定的线性规划问题转化为确定的线性规划问题，利用Matlab中LP模块，即可求出模型最优解。模型结果证明，加入交易费用后，同等情况下风险相应有一定幅度增加，说明交易费用加入会相应增加风险，对现实中人们投资有一定指导性意义。