当前对资产组合在险价值（VaR）的研究仅限于等间隔抽样数据的建模。本文提出资产组合的非等间隔日内在险价值 （Irregularly Spaced Intraday Value at Risk, ISIVaR）研究方法，克服资产组合逐笔交易数据非等间隔且不同步问题，利用逐笔交易数据所包含的丰富市场微观结构信息对VaR进行估计。该方法基于更新时间方法将非同步的资产组合标值序列同步化；运用Copula理论建立资产组合的非等间隔日内波动率模型，并捕捉资产组合中各资产在截面上的相关关系；最后利用这种截面相关关系，使用蒙特卡洛模拟技术估计出资产组合的 ISIVaR。实证部分利用真实的逐笔交易数据验证了上述方法的有效性。
