【摘要】鲁棒风险度量优化是一类随机风险分析度量的重要问题，其对不确定分布信息的捕捉需依赖不完善的假设和估计，分布尾部的反映直接影响分布预测的精准性，尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时，提出基于Wasserstein距离的分布估计方法，克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力，在解析分布估计的基础上，建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差，基于纤维丛理论思想，提出分片Wasserstein距离解析约束的分片鲁棒风险度量模型。最后，通过规范数据进行仿真分析，数值实验结果显示，该模型能够精准量化突发性极端损失风险。