随着经济全球化以及金融一体化的不断发展，资金融通的日益频繁以及金融风险表现出来的更加复杂化和多样化，如何准确地预测风险，从而有效地规避风险成为保障金融安全的基础。其中，VaR(Value at Risk)是金融风险管理的重要研究课题。由于其具备风险量化、应用范围广等诸多优良特性，近年来得到了越来越多的金融机构及金融监管部门的青睐。　　VaR的计算与金融资产或投资组合的对数收益率所服从的分布密切相关。经典研究中，一般假设对数收益率服从正态分布。但在实践中，对数收益率常常呈现出尖峰厚尾、非对称分布的特征，并且其波动率具有时变性。t分布、混合正态分布虽然弥补了正态分布在厚尾方面的不足，但却不能反映出序列的非对称性。非对称拉普拉斯分布(AL)具有非对称性和尖峰、厚尾特征，可以较好地用来描述金融资产的对数收益率。而GARCH-M模型在处理金融资产收益率序列波动的聚集和异方差等问题上有着优良的表现，因此，可以用来处理波动率的时变性等问题。鉴于此，论文将非对称拉普拉斯分布和GARCH-M模型相结合，建立了GARCH-M-AL模型，提出了计算VaR的新方法。最后，论文选取了中国银行、中国联通、中国石油、中国南车等四只个股每工作日的日收盘价进行实证分析。通过对比分析，发现非对称Laplace分布拟合图比正态分布拟合图更能准确描述样本的分布。利用GARCH-M-AL模型计算了VaR值并对计算结果进行了失败率返回测试，结果表明本文所建立的模型在VaR的计算精度上有所提高。