随着数字加密货币市场的快速发展,使得其风险识别和控制问题越显重要。尤其是投资者在经历数字加密货币市场的几次动荡后,关注的重点不仅是数字加密货币投资的高回报,而更加重视这种投资中存在的风险,投资决策行为逐渐趋于理性。要想实现对数字加密货币市场风险的把控,需要对其风险进行准确的度量。股票、基金和金融衍生品市场上广泛适用Va R（即风险价值）和CVa R（即条件风险价值）作为风险度量的主要指标,其原理在数字加密货币市场也同样适用,因此可以通过Va R和CVa R方法对数字加密货币市场的风险进行测度。自从2008年比特币诞生以来,拥有不同性质的数字加密货币不断涌现,投资者逐渐意识到可以通过资产配置来降低数字加密货币投资组合的风险。本文通过对其投资组合进行研究,不仅可以发现不同数字加密货币相关性,还能准确的度量数字加密货币的市场风险。文中选取了比特币（BTC）、以太坊（ETH）、比特币现金（BCH）和EOS币（EOS）这四种数字加密货币资产进行研究,首先利用GARCH模型结合极值理论（EVT）中的POT模型,构建出单个数字加密货币收益率的边缘分布,并计算出了单个数字加密货币的动态Va R和CVa R;同时使用不同的Copula函数进行连接,建立其投资组合的联合分布函数,可以得到各数字加密货币间的相关系数,并分析组合内部的相关性;接着通过蒙特卡洛模拟计算其投资组合在不同权重下的Va R和CVa R;最后进行Kupice失败率检验,来比较各模型对Va R和CVa R估计的准确性。基于本文构建的几种模型,对四种数字加密货币进行实证分析,结果表明:（1）可以发现选取的四种数字加密货币间存在强烈的正相关性,在市场上的体现是四种数字加密货币是同时涨跌的可能性较大;（2）在不同的置信水平下得到的Va R和CVa R值差距较大,说明选取的数字加密货币收益的波动幅度很大;（3）根据最小权重下各数字加密货币资产的权重来看,投资者选择比特币（BTC）和以太坊（ETH）进行投资的风险要低于比特币现金（BCH）和EOS币（EOS）。综上所述,基于GARCH-EVT-COPULA模型对数字加密货币投资组合风险价值的研究,不仅可以帮助投资者有效的规避风险,还能让监管者能够直观的衡量数字加密货币市场的风险,具有一定的现实意义。