در حال حاضر دقت برآورد ریسک پرتفوی برای مدیران سرمایه‌گذاری مسئله بسیار مهمی است انتخاب مدلی که واریانس را وابسته به زمان محاسبه می‌کندبه جای اینکه واریانس را ثابت در نظر می‌گیرد موجب مدل سازی بهتر داده ها در واقع هدف این پژوهش پیاده سازی یک روش ترکیبی محاسبه ارزش در معرض ریسک شرطی ([i]CVaR)است که تلاطم را در ویژگی خوشه‌ای مدل سازی کرده و مقدارCvaR را با در نظر گرفتن ویژگی دنباله پهنی به طور دقیق محاسبه کند. به این منظور مدلهایی از خانواده [ii]ARCH را در نظر گرفته شده است که ویژگی خوشه‌ای بودن را در مدل لحاظ کرده ، علاوه برآن تئوری مقدار فرین (EVT[iii])را درنظر می‌گیرد که بر دنباله پهن داده‌ها تمرکز دارد. داده‌های پژوهش مربوط به سال‌های 1380-1394 می‌باشد و به صورت روزانه از نرم‌افزارهای رهاورد‌نوین و TseCline استخراج شده است. تجزیه و تحلیل داده‌ها با نرم‌افزارهای (2015)MATLAB و(2013) EXCELانجام شد. یافته‌های پژوهش نشان داد که استفاده از روش FIGARCH –EVT[iv] منجر به تخمین دقیق‌تری از CVaR نسبت به روش HS[v] می‌شود. روش FIGARCH-EVT در مقایسه با روشGARCH-EVT دقت بیشتری دارد. و به طور کلی مدل‌‌هایی که واریانس ناهمسانی را در نظر می‌گیرند نسبت به روش HS از دقت بالاتری برخوردارند. [i]. Conditional value at risk [ii]. Generalized Auto-Regressive Conditional Heteroskedasticity [iii]. Exterem value theory [iv]. Fractionally integrated generalized autoregressive conditional heteroskedasticity -EVT [v]. Historical simulation Manuscript profile