本文通过运用基于t-分布GJR-GARCH模型捕获10只开放式基金2005年4月6日至2006年10月9日和2007年10月9日到2009年4月7日两个样本区间的损失序列的自相关、波动集聚性和杠杆效应特征，然后用极大似然估计(MLE)估计模型参数，以求出条件均值、条件方差以及标准残差序列；然后以5％分位水平取极值数据，运用极值理论(EVT)对其建模，并用极大似然估计(MLE)估计出广义帕累托分布(GPD)的参数，进而估计出分位数对应的动态风险值VAR(value at risk)；最后对风险测度方法的估计效果进行分析。实证结果表明：标准残差序列的极值尾部近似服从GPD，置信水平为95％时，t-GARCH模型的估计效果最好；在市场处在金融危机时采用基于极值的动态VAR这种方法估计基金风险，会比在市场处于泡沫期时使用这种方法更加高估风险。