自從90年代以來，許多機構因為金融商品的操縱不當或是金融風暴的衝擊數度造成全球金融市場的動盪，使得風險管理的重要性與日俱增，而量化風險模型的準確性也益受重視，基於財務資料的相關性質如異質變異、厚尾現象等，本文主要結合AR(1)-GARCH(1,1)模型、極值理論、copula函數三種模型應用在風險值的估算，且將報酬分配的假設區分為三類，一是無母數模型的歷史模擬法，二是基於常態分配假設下考量隨機波動度的有母數模型，三是利用歷史資料配適尾端分配的極值理論法來對聯電、鴻海、國泰金、中鋼四檔個股和台幣兌美元、日圓兌美元、英鎊兌美元三種外匯資料作一日風險值、十日風險值、組合風險值的測試。 實證結果發現，在一日風險值方面，95%信賴水準下以動態風險值方法表現相對較好，99%信賴水準下動態極值理論法和動態歷史模擬法皆有不錯的估計效果；就十日風險值而言，因為未來十日資產的報酬可能受到特定事件影響，所以估計上較為困難，整體看來在99%信賴水準下以條件GPD＋蒙地卡羅模擬的表現相對較理想；以組合風險值來說， copula、Clayton copula+GPD marginals模擬股票或外匯組合的聯合分配不論在95%或99%信賴水準下對其風險值的估計都獲得最好的結果；雖然台灣個股股價受到上下漲跌幅7%的限制，台幣兌美元的匯率也受到央行的干涉，但以極值理論來描述資產尾端的分配情形相較於假設其他兩種分配仍有較好的估計效果。

本論文主要在探討以移動平均法則為基礎的簡單技術分析指標，以及時間序列模型在台灣股票市場是否具有獲利能力，研究期間為1987/01/01-2006/12/31共20年的樣本期間。我們發現只有使用(1,50,0)和(1,50,0.01) 這兩個移動平均交易法則時才有顯著的報酬；並以AR(1)-GARCH(1,1)-M作為時間序列的預測模型。研究發現在股價上漲的時候，技術分析指標的確有較好的預測能力；而在股價下跌時，利用時間序列模型有較佳的獲利能力。因為技術分析指標與時間序列模型分別捕捉到不同的資訊，將兩預測工具結合在一起應該可以得到一個更好的組合預測指標。本文的實證研究發現此一組合預測指標，不管是在多頭或空頭期間時，都可以比使用單一分析工具獲得更高報酬。