توسعه روز افزون بازارهای مالی و افزایش مقدار معاملات و در نتیجه افزایش مقدار بالقوه ریسک، اهمیت اندازه گیری و کنترل موثر ریسک بازار و برآورد معیار شناخته شده اندازه گیری آن، ارزش در معرض خطر را بیش از گذشته آشکار ساخته است. در تحقیق حاضر با استفاده از 4 مدل مختلف و به کار گیری 3500 داده روزانه از تاریخ 12/06/1373 تا 28/12/1387، ارزش در معرض خطر برای شاخص کل بورس اوراق بهادار تهران (tepix)، برآورد شده است و سپس با استفاده از روش باز نمونه گیری بوت استرپ توزیع ارزش در معرض خطر استخراج و به منظور بهبود پیش بینی ها به کار گرفته شده است. با توجه به وجود واریانس ناهمسانی در این شاخص و پهن بودن دنباله توزیع احتمال داده ها (که از ویژگی های شناخته شده داده های مالی به شمار می رود و در شاخص مورد نظر نیز مشاهده می گردد) از مدل garch با فرض توزیعt استیودنت و نرمال، و برای تبیین میانگین شرطی از مدل ar استفاده شده است. همچنین مدل شبیه سازی تاریخی (hs) و شبیه سازی تاریخی فیلتر شده (fhs) نیز به منظور مقایسه نتایج حاصل از به کار گیری فرآیند تصحیح برآورد ارزش در معرض خطر، مورد بررسی قرار گرفته است. نتایج حاکی از برتری برآوردهای var (ارزش در معرض خطر) مدل fhs نسبت به مدل hs می باشد. مدل fhs با در نظر گرفتن نتایج پوشش شرطی تنها در سطوح احتمال 1% و 2% نسبت به مدل garch نرمال از عملکرد مطلوب تری برخوردار است. اما در سایر سطوح احتمال، عملکرد مدل garch نرمال به طور نسبی مطلوب تر است. مدل garch نرمال از عملکرد مطلوب تری نسبت به مدل t-garch برخوردار می باشد. فرآیند تصحیح تورش بر اساس روش بوت استرپ توانسته است توانایی برآورد var مدل garch نرمال را حداقل در سطوح احتمال نهایی (دنباله ها) بهبود دهد و همچنین منجر به بهبود نتایج مدل t-garch شود.