随着市场经济的发展,证券市场也逐渐完善和多元化,各种各样的市场风险日益突出,证券市场的风险管理和控制也因此变得非常重要。股票市场作为证券市场的重要组成部分,其存在的风险也影响着市场的各个方面。所以,对股票市场风险的研究不仅能够深入了解股票市场风险的特征和规律,而且有助于机构和投资者对市场风险进行合理的把控。在对市场风险研究中,传统的VaR方法是一种当前广泛使用的技术,然而传统的VaR方法存在一些与现实不符的假设,其在计算多期风险中有比较明显的局限性。早期的VaR模型假定金融时间序列是正态分布,而实际的金融序列数据大多存在“尖峰厚尾性”,并不服从正态分布;同时对于持有期为多期的VaR的计算,传统的计量模型中主要假设多期的VaR值与单期的VaR存在简单的线性关系,但由于金融时间序列的复杂性,实际也并非如此。为了更好对股票市场的风险进行度量我们需要采用限制条件更为宽泛的模型。本文主要的研究方法是,基于传统的VaR方法,在综合考虑金融收益序列的“尖峰厚尾性”、有偏性和波动集聚性的基础上,将分位数回归半参数方法应用于风险价值(Value at Risk,VaR)计量模型中,对上海股票市场的风险进行分析预测。具体研究过程如下:首先,选取1991年01月02日至2016年03月18日的上海证券综合指数每日收盘指数,共6166个样本,并计算得到不同持有期的收益率序列以便进行实证研究。其次,建立在正态分布(Normal Distribution,norm)、偏态分布(skewed Normal Distribution,snorm)、学生t分布(student-t Distribution,sstd)和有偏学生t分布(skewed student-t Distribution,sstd)假设下的GARCH模型,并用分位数回归计算VaR值,用Kupiec失败检验法对模型的估计效果进行检验。比较不同假设条件下的模型估计效果,得出一般性的结论。最后,运用拟合出的模型,对上海股票市场近期的风险进行预测,并简单讨论了预测的方法和预测效果。本文采用的模型,放宽了传统VaR模型中关于金融时间序列正态分布的假定,并在一定程度上验证了多期VaR与单期VaR之间并非简单的线性关系。实证分析发现分位数回归VaR模型对残差的模型假设和分布形式不敏感,具有良好的普适性;持有期越长,模型的估计效果越差;置信水平的选择对模型拟合效果也有一定影响,模型在预测风险时具有良好效果。本文的创新之处在于:一是,现有文献多依据正态分布假定,这与实际情况不符。本文根据上海证券综合指数收益序列的分布特点,引入其他分布,对比研究,修正了原有VaR模型正态分布的局限性,同时考虑到了金融时间序列的“尖峰厚尾性”和有偏性,提高了VaR模型预测的精准度。二是,现有文献更多对单期风险情况进行研究,本文在模型中增加了持有期长短作为解释变量,用于计算多期VaR,并分析持有期长短对模型精准度的影响。三是,现有文献很少提及如何采用VaR方法预测风险以及其预测效果如何,本文对实证研究得出的模型的预测能力进行了验证,提出了使用VaR预测风险的方法,并对近期上海股票风险进行了预测。本文采用分位数回归对上海股票市场风险进行度量,效果较好。