随着我国经济全球化和金融一体化的步伐逐渐加快、现代金融理论和信息技术不断完善、金融创新层出不穷、全球金融市场迅猛发展，金融市场呈现出前所未有的波动性。作为金融主体之一的金融机构面临着日趋严重的金融风险。金融风险不但严重影响了金融机构的经营和生存，而且对金融及经济的稳定发展构成了威胁。尤其进入上世纪90年代后，世界范围内的金融危机频繁爆发。因此，建立一个良好的风险管理系统已经成为金融机构乃至所有企业生存发展的核心能力之一。 2005年7月21日，中国人民银行正式宣布开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。随着人民币汇率改革的日益深化，我国商业银行金融全球化的步伐正不断加快。金融风险管理逐渐成为银行风险管理工作中非常重要的环节。 在金融风险管理的方法中，传统的资产负债管理因其过于依赖报表分析，而缺乏时效性；利用方差来衡量风险又过于抽象，难以直观地向管理层披露风险，而且反应的只是市场（或资产）的波动幅度；而CAPM方法又无法适用于金融衍生产品。自1994年J.P. Morgan将VaR的方法引入金融风险测量至今，VaR方法已经被众多金融机构广泛采用，并已经成为金融界测量市场风险的主流方法之一。 中国银行目前对金融风险的测量也主要采用基于蒙特卡罗模拟的VaR方法。蒙特卡罗模拟法是一种全值估计方法，无需假定市场因子服从正态分布，有效地解决了在处理非线性、非正态问题中遇到的困难。然而，金融时间序列往往存在分布的尖峰厚尾和波动的集聚性现象，一般的蒙特卡罗模拟法在计算VaR时就存在一定的局限性。因此，将不同的分布假设以及波动性的估计方法运用到蒙特卡罗模拟法中，并用中国外汇交易中心的数据进行实证检验，不仅可以增进蒙特卡罗模拟法估计VaR的绩效，提高估计精度，也可以对蒙特卡罗模拟法本身的模型风险有更全面的了解，从而为探索适合中国银行外汇风险管理的VaR模型提供选择依据。 本文以正态分布和t分布辅以各种参数估计模型，如GARCH(1,1)、EGARCH(1,1)、GJRGARCH，加入到蒙特卡罗模拟法中，成为改进的蒙特卡罗模型来估计VaR，并与简单的蒙特卡罗模拟法进行比较，以验证比较各模型的绩效，并得出结论。