受经济全球化和金融一体化、竞争与放松管制以及金融创新与技术进步等因素的影响,全球金融环境和金融市场发生了重大的变化。与此同时,金融市场的波动性和系统风险也随之大大加剧。在这种情况下,风险管理技术日益成为金融工程、金融管理领域最重要的研究对象之一。然而,要掌握金融风险管理的核心,只有在准确测量风险暴露头寸性质特点的基础上才能更好地进行风险管理。所以,作为一种风险度量和管理的工具,VaR方法就应运而生了。我国股票市场经过十余年发展,取得了不少成功经验,但也存在许多不成熟不规范的地方,比如我国股票市场经常大起大落,市场波动性远高于西方发达国家成熟的股票市场,并且受国家相关政策的影响相当大,是一个典型的“政策市”,对于目前我国股票市场所处的特定发展阶段,必须着力加强风险管理。因此,研究VaR模型对我国股票市场风险管理具有重大意义。本文对VaR风险测量体系进行了全面深入的研究,不仅对VaR模型的产生背景、计算原理、优缺点进行了详细的讨论,同时还对三种典型的VaR计算方法:参数法、历史模拟法、以及Monte Carlo模拟法进行了综合的分析和比较。在VaR计算方面,传统的VaR计算是建立在正态分布的假设下进行,由于中国证券市场的杠杆性、波动集聚性和非对称性,本文选择GARCH和TARCH模型来对中国证券市场进行建模,并将GARCH和TARCH和VaR模型相结合,建立在三种不同假设分布即:正态分布、学生氏t分布、GED(广义误差分布)条件下研究了证券市场上时间序列收益率波动的条件异方差性。然后对所建的模型进行实证Kupeic检验。最后得出有意义的结论:利用广义误差分布来模拟中国证券市场的指数收益率的分布明显地提高了VaR的计算精度。但由于水平与精力所限,难免不能做到面面俱到且分析深入。