金融市场风险，是指由金融市场价格因子如利率、汇率、股票价格等的波动引起的金融资产价格损失的可能性，是目前银行和其他金融机构在经营活动中面临的最重要风险之一。如何对市场风险进行有效管理成为金融机构和学术界共同关心的问题，而其中的如何精确度量风险是风险管理中的关键问题。到目前为止，最受欢迎、应用最为广泛的市场风险度量方法当属风险价值(VaR)，即在正常的市场条件和给定的置信水平下，在给定的持有期内，某一资产或投资组合可能发生的最大损失。从风险价值VaR的概念可知，VaR是一个分位数概念，其精确程度与分布形式假设有关，在目前的主流方法中通常假定收益率服从正态分布。遗憾的是国内外大量的研究表明，实际的金融收益率分布显著不同于正态，正态分布不能刻画实际金融收益率分布的厚尾等特征。本文试图从金融收益率分布假设形式入手来改善风险度量的精度。国外学者研究发现广义双曲线分布可以更好地拟合实际金融收益率，本文把广义双曲线分布应用到中国股票市场风险度量实证研究中。针对广义双曲线分布的参数估计难题，在国外学者的研究基础上，本文采用EM算法来估计参数，并对重点关注尾部拟合的指标AD距离和FOF距离，通过随机模拟实验模拟出各自的临界值，进而来评判该分布的拟合效果。然后，在广义双曲线分布的分布假设下对中国股票指数的VaR进行计算，考虑到波动的时变性和分位数的时变性，采用随机波动模型GARCH计算波动率，结合时变的分位数来得到VaR。最后通过返回检测结果表明，与正态分布假设及其它VaR方法相比较，基于广义双曲线分布的VaR计算方法得到了更好的预测效果，特别在较小的显著性水平下。