全球经济的快速发展致使金融危机发生的频率也越来越高，经济的全球化又使得金融危机向更广的层次蔓延。全球金融市场的大幅振荡，尤其像美国引发的全球金融危机，美国债务危机，亚洲金融危机，希腊信用危机等，都大大提高了市场风险管理在现代金融风险管理上的地位，且激起了广大学者和金融风险监管部门对此类风险测度的高度重视。Value at Risk(VaR)理论产生于20世纪90年代，现已逐步成为金融风险度量的主流分析方法。VaR的基本计算方法主要有历史模拟法、参数法和蒙特卡洛模拟法。但由于VaR本身没有考虑极端情况下的期望损失情况，而且不是一致性风险度量，不能满足实际金融风险中的度量。论文引入的期望损失（ES）则是一致性风险度量方法，VaR与ES的结合使用不仅度量了一定置信水平下的最大损失，而且度量了极端情形下的损失大小。文章根据我国金融市场收益率序列数据的尖峰厚尾有偏特点，采用非对称Laplace分布拟合金融数据收益率序列的概率分布，能更好地满足其尖峰厚尾有偏特性。且分别给出了此类分布条件下的VaR和ES计算模型。又通过AGARCH类模型拟合金融数据的波动性，将概率分布的非对称性与AGARCH类模型的非对称性结合起来，提出了服从非对称Laplace分布的AGARCH模型，并采用极大似然估计法对此类模型的参数估计方法做了详细的介绍。最后文章选用股票数据进行实证分析，并比较分析了对应的VaR和ES度量模型的测度结果，验证了论文中模型的适用性。具体结果如下：非对称Laplace分布能很好地拟合金融数据收益率序列；AGARCH类模型对收益率序列波动性的预测是可行的；ES模型能更好地解决极端情形下的风险评估问题，极大地改善了VaR方法对尾部风险测量的不充分性这一缺陷。