经过近20年的发展，我国证券市场已形成了与我国经济发展相适应的特色道路，规模不断扩大，上市公司数量不断增加，投资者积极性不断提高，制度性建设日趋完善。但股票市场在诸多方面的不完善性仍较为明显。尤其是从2008年开始的下滑行情造成了重大的负面影响、损害了投资这的利益。所以证券市场的风险度量成为金融市场管理的焦点，风险度量逐渐成为金融市场风险管理的核心，同时，这些也对风险度量提出了挑战，需要更加适合的模型方法来处理这些情况。目前，度量风险比较流行的方法是VAR方法。VAR不但可以对未来的情景进行估计，而且仅用单一数字即可表征一个组合或者一家金融机构在一段时期内所面临的市场风险。实际的资产收益分布具有尖峰后尾特征，在正态分布条件下的VAR估计将导致VAR测度产生低估风险。　　 基于GARCH（广义自回归条件异方差）模型是由Tim Bollerslev在ARCH模型的基础上提出来的。GARCH模型描述了股市收益率序列的自相关性，具有反映市场时变的特征，能比较好的描述金融市场的动态性和复杂性。本文分为4章来探讨GARCH模型的股票风险度量。　　 第1章为绪论。本章首先阐述了论文研究的背景以及研究现状，提出了本文研究的主要问题，并指明了研究的目的及以及，最后对论文的结构进行了安排。通过对金融风险理论方面文献的全面回顾，了解目前的主要风险度量方式，并且对金融风险、金融风险管理和风险价值等问题进行了阐述，并指出LARCH模型是本文的研究重点。　　 第2章概述了VAR方法的基本原理，包括VAR的定义，VAR的计算公式和一般计算步骤。接着对VAR的不同基本方法进行了阐述，以及对GARCH类模型：自回归条件异方差模型(ARCH模型)，指数GARCH模型(EGARCH)，PowerARCH模型(PARCH)，均值自回归条件异方差模型(GARCH-M模型)，VAR与GARCH类模型的用途做了详细的分析。简而言之，本章既是对VAR方法与GARCH类模型的讨论，为后面章节的实证分析提供理论的依据和指导。在下章中将根据本章所介绍的各种计算VAR的方法和GARCH类模型对我国股票市场的风险进行度量和检验。　　 第3章上是本文的重点，通过对上海证券交易所股票风险度量的实证分析，沪，通过刘一沪巾一段时期内的收益率序列进行检验，得到收益率残差序列满足ARCH效应，所以GARCH模型非常适合VaR计算的波动性的估计。基于2种不同分布（t分布和GED分布）假定下，讨论GARCH类模型的VAR计算，并从实际数据出发计算了沪巾2005年1月31日到2009年12月31日平均一天期的VAR值，据此定量测量股票巾场风险，这可以为股票投资机构的风险管理及一般股票投资者的投资风险分析提供依据。通过对深股市市场风险度量的模型选择与比较，分别采用等权移动平均方法、指数加权移动平均方法、GARCH(1，1)方法、GARCH(1，1)-t方法和Pareto型极值分布方法计算上海和深圳股票日收益率的VAR。向后检验表明，Pareto型极值分布方法比其他方法更能准确地反映我国股市的风险。　　 第4章总结了基于GARCH模型，对金融资产和投资组合的风险价值计算的实证分析结果，得出了对于金融资产风险价值度量的最佳模型设定，并对基于多元GARCH模型的金融资产的波动传染机制进行了分析，在对VAR探讨的过程提出了有很多的不足之处，以待后续研究。