为了捕捉金融资产价格波动的多尺度时变特征,利用多分辨率分析(multi-resolution analysis,MRA)将收益率序列分解成不同时域上的正交分量,并对各分量序列分别建立适当的ARMA-GARCH模型,在此基础上引入极值理论(extreme value theory,EVT)对收益率的厚尾性进行建模,构建了一种MRA-EVT模型.将该模型应用于沪深300指数的VaR预测.实证研究结果表明,与传统ARMA-GARCH模型、无条件EVT模型和MRA模型相比,该MRA-EVT模型显著提高了VaR的预测绩效.