传统VaR计算方法假设金融资产收益率服从正态分布,用Pearson的线性相关系数来反映金融资产收益率间的相关性。而在现实中,由于金融资产的收益率存在尖峰厚尾特征,明显具有非正态分布特征和非线性相关性,采用传统VaR方法计算风险价值显然是不合理,这时必须采用更合理的方法度量资产之间的相关性。运用Copula函数可以构造更灵活的多元分布函数,识别资产组合间的相关关系,从而建立起更为有效的风险价值模型。本文主要研究极值理论与Copula函数方法在计算风险价值上的应用,主要工作如下:第一,建立了APGARCH-EVT模型,利用APGARCH来反映金融市场损失序列的尖峰厚尾特性、条件异方差性、波动集聚性和杠杠效应,利用EVT来拟合标准化残差序列的尾部;利用该模型研究金融资产的风险价值,给出了该模型的参数估计方法以及相应的时变风险价值的估计方法;通过对上证综合指数数据的实证分析验证了模型的有效性。第二,构建了APGARCH-EVT-Copula模型来研究投资组合的风险价值问题。其中,利用APGARCH模型拟合数据的波动性,利用分段函数拟合标准化残差序列,利用Copula函数来描述资产组合的相关性;利用该模型研究金融资产组合的风险价值,给出了该模型的参数估计方法以及投资组合的时变风险价值的估计的Monte Carlo算法;通过对上海、深圳两股票市场指数数据的实证分析验证了模型的有效性。