随着经济的不断发展,人们也越来越看重资产的风险管理,找到一个好的风险度量方法是学者们一直探讨的目标.VaR是比较早的风险度量,它回答了在给定置信水平下,投资者在某个投资期间可能遭受的最大损失是多少的问题,但是VaR存在先天缺陷,它不满足风险分散化原理.为了克服VaR的诸多缺点,一致性风险度量进入人们的视野,随后,基于一致性风险度量又发展了一系列风险度量方法,目前ES是最主流的一致性风险度量,它描述了超过VaR水平的平均损失,同时ES是一种分布不变的风险度量.ES和VaR都是基于尾部分布的风险度量,在某些情况下并不适用,一系列基于ES的风险度量被学者们提出,A.S.Cherny提出了 Weighted VaR(简称WVaR),Acebri提出了谱风险度量等.另一方面,考虑到分位数对极端损失大小的敏感性不大,一种基于Expectile的风险度量应运而生,与分位数不同的是Expectile采用二次损失函数,拥有比分位数更好的性质.并且推出了 Expectile与VaR、ES的关系式.Kuan等建立了基于Expectile的条件自回归模型,提出了基于Expectile的下端风险度量EVaR.谢尚宇等在考虑了异方差的情形下,建立了线性异方差模型,并分析不同因素对风险的贡献大小.本文在前人的研究基础上,提出了基于Expectile的WVaR的关系式,并讨论了WVaR的性质,表明WVaR确实是一种比ES和VaR好的风险度量.最后,选取最新的股票收益数据,采用ARCH-Expectile模型,对基于Expectile的风险度量进行了实证分析,比较了基于Expectile的Es、VaR和WVaR的值.结果表明,基于Expectile的WVaR更符合投资者的真实感受.