VaR作为金融机构度量风险的工具,它是研究有多大把握将发生最大损失的幅度控制在某范围内,目前VaR已成为市场风险度量的主流方法。VaR的计算实际上是对波动率的探索研究,本文以上证综指和深圳成指日对数收益率为研究对象,根据两指数序列的波动特征,在基于正态分布、偏正态分布、t分布、偏t分布、GED分布和SGED分布六种不同分布假设下,将APARCH模型来与传统的GARCH模型和EGARCH模型进行对比分析。在此基础上,进一步引入分位数回归VaR模型,将其与拟合效果较好的APARCH模型结合,构造出QR-APARCH模型。最后构造基于偏t分布、GED分布和SGED分布的残差分布假设下的QR-APARCH模型,与APARCH模型相比较,利用Kupiec失败率检验来比较模型的VaR测算精确度。实证研究结果表明,上证综指和深圳成指指数序列均具有尖峰厚尾、偏态性和波动集聚性等特征,此外深圳成指收益率序列的杠杆效应比上证综指更为明显。从模型应用来看,能刻画杠杆效应且灵活性较强的APARCH模型预测VaR的精确度高于EGARCH模型和传统的GARCH模型;基于SGED分布的APARCH模型优于基于偏t分布和GED分布的GARCH模型的EGARCH模型;将分位数回归模型与APARCH-SGED模型有机结合的QR-APARCH-SGED模型度量效果优于APARCH-SGED模型。从模型的优化来看,分位数回归对于度量风险价值VaR具有天然的优势,它无须假定残差的分布,采用最优化途径估计参数,适合刻画金融时间序列的尖峰厚尾特征。相应地,分位数回归的VaR估计是利用APARCH-SGED模型后得出的波动率标准差来做出估算,它结合了两类模型的优点,能更好地预测上证综指和深圳成指的风险值。