随着金融衍生品的丰富和信息技术的发展,金融市场的交易范围与交易速度大大提升,金融产品种类也大大增加。金融市场的交易量快速增加,不同地区金融市场间的关联性不断增强。当金融风险事件发生时,会迅速传播影响到关联地区,重则引发多国性的区域金融危机。历史上的多次大规模金融危机印证了这一点,因此金融管理机构越来越重视金融风险管理。《巴塞尔协议》1996年修正案引入在险价值VaR(Value at Risk)这一概念,来对银行资本金的风险进行度量。此后VaR得到了广泛的应用,成为通用的风险度量指标。现有的VaR估计方法主要分为三类:参数方法,主要为各类GARCH族模型;半参数方法,主要为基于极值理论的估计方法;非参数方法,主要包括历史模拟法、蒙特卡洛法等。现有的VaR估计方法基本都假定收益率分布为单一分布,如传统的正态分布、t分布等,而非混合分布。相较单一分布,混合分布拥有多个子分布,能够更为灵活地生成非对称分布与厚尾分布,更准确地刻画金融收益率的非对称特征与高峰厚尾特征。本文将收益率分布假定为混合分布,提出了一种基于混合分布的VaR非参数估计方法及参数化的NM-GARCH-POT模型。在基于混合分布的VaR非参数估计方法中,假定不同市场行情下的收益率服从不同的子分布,通过检验日内收盘价序列的平稳性来对子分布进行分类。使用基于Bootstrap的核密度估计方法估计子分布的概率密度。最后利用子分布概率密度函数与子分布出现概率,使用蒙特卡洛模拟法得到总体分布的VaR估计值。根据子分布出现概率是否为条件概率的不同,分别构建了无条件混合分布模型(u-MD)与条件混合分布模型(c-MD)。实证结果表明u-MD模型与c-MD模型都是有效的VaR估计模型,相较GARCH族模型有更好的空头估计效果,在不同数据上有更稳定的估计表现。参数化的NM-GARCH-POT模型假定随机扰动项服从有两个子分布的混合正态分布。首先使用NM-GARCH模型对收益率序列进行建模,估计收益率样本的条件均值与条件方差并计算得到标准化残差。然后使用POT模型对标准化残差建模,估计出标准化残差的分位数。最后通过公式计算得到收益率的VaR。实证结果表明NM-GARCH-POT模型能够准确地表述收益率分布尾部,是一种有效的VaR估计方法。