国外研究表明，风险度量VaR势必将成为21世纪金融领域一个高效的主流计量工具，对其引入具有重要的现实意义。寻求适合我国金融市场的风险度量方法，有助于风险监管者，了解中国股票市场风险特点，分析造成市场风险的原因，制定和实施相应监管措施。该背景下，本文将基于不同风险价值计算方法度量我国股票市场风险，并对实证分析结果进行检验评价，纵向比较各种方法的适用性。文章主要包括以下几个部分：　　 绪论部分主要陈述了选题来源、研究意义与研究内容。本文的研究意义主要体现在：文章首先对VaR三大类方法及对应模型做出详实梳理，让更多人对该理论有所了解，并参与到风险管理的研究中；通过实证分析，寻求适合我国股票市场风险度量的方法或模型，为投资者及监管者分析、规避和控制风险提供一定的依据；通过检验和评价分析，讨论各种方法在我国股票市场风险中的适用性，确实提供可靠的风险度量方法或模型。同时通过结果的纵向对比分析，讨论各种方法或模型的优劣；此外，上述方法可进一步在银行、期货、期权以及企业等风险管理中提供借鉴，有效防范各种市场风险对我国经济造成的损失。　　 第二部分针对国内外研究现状进行梳理，总结出：不同方法估计的VaR值并不相同，得出的结果有时相差很大，其实用性也遭到质疑。随着极值理论和分位数回归理论的发展，人们开始引入半参数方法，但基于半参数方法的研究尚待进一步完善和应用。其次，在风险度量的研究中，收益率序列的“尖峰厚尾”和“非对称”现象一直是影响VaR计算结果的关键问题。现实中，极端情况发生频繁，其风险性往往会带来重大损失。然而，参数方法在计算VaR时往往忽略了这一点。尽管目前非参数方法和半参数方法能够解决这一问题，但是它们或需要大量的历史数据，或计算复杂。最后，与国外不断完善和发展的VaR理论相比，国内在理论和应用方面的研究比较滞后，对方法和技术的动态性关注与研究缺乏前瞻性。国内应用主要体现在参数方法上，特别是GARCH族模型，针对非参数方法和半参数方法的研究及应用相对较少，运用分位数回归理论则更少。　　 第三部分介绍了风险度量方法演变过程，同时引入了针对风险价值VaR度量方法。主要包括参数、非参数以及半参数方法的理论知识。参数方法重点介绍了GARCH族模型在风险度量中应用，文章将基于正态分布、学生t分布以及广义误差分布(GED)假设下进行VaR的计算。同时介绍了针对VaR检验评价的两种方法，即失败频率检验法和二次损失函数法。非参数部分主要包含历史模拟法和蒙特卡洛模拟法。半参数方法体现在基于极值理论、分位数回归理论的风险度量，这也是本文研究的重点。　　 第四部分为实证研究。文章选用了上证综合指数(SSEC)日对数收益率数据，针对不同方法给出了相应的实证分析，并针对结果进行检验评价以及方法内的纵向比较分析。通过对样本数据描述处理发现，SSEC日对数收益率序列具有尖峰、厚尾以及非对称性等统计特征。参数方法部分，文章选用了GARCH族模型，基于正态、学生t以及GED分布进行动态VaR度量。参数估计结果表明：不同分布情况下，各个模型均能较好地描述上证综合指数收益率的波动性。相对学生t分布、正态分布假设，广义误差分布更能体现收益率尖峰厚尾特性。对于GARCH族模型而言，TGARCH模型整体上的对动态VaR度量结果最为理想。　　 历史模拟法实证分析中：文章采用了普通历史模拟、加权历史模拟、过滤历史模拟法。为了提高研究的准确性，文章针对传统模拟区间进行了分段。结果发现，采用不同的历史区间，度量的风险价值结果存在较大的差别。其可能的原因是隐含假设，即历史变化可以在未来重现。即，区间较大的情况下，存在更多风险波动。研究发现，上述三种方法中，普通历史模拟法存在低估现象，过滤历史模拟法则相对高估了风险，只有加权历史模拟法比较合理。本文仅采用了历史模拟法，作者建议可以尝试对现有历史模拟法进行改进，或者通过蒙特卡洛模拟法进行分析。　　 半参数部分，主要采用了基于极值理论和分位数回归理论风险度量方法。极值理论中采用了目前比较流行的POT模型。该方法基于尾部估计得到收益率序列的边际分布，是一种无条件方法，因而能够较好地度量VaR值和ES值；残差分布通常是非对称的偏峰分布，因而对于分布的尾部建模，本文采用GPD拟合效果较好，而且目前极值理论发展较为成熟。　　 其中在阈值确定问题上，文章根据Hill图先确定取值范围，然后根据MADE序列产生的选择标准，通过循环语句确定最优阈值。同时文章通过ARMA-GARCH模型对收益序列进行过滤，基于产生的标准差序列进行POT模型构建，依次度量动态VaR及ES。　　 分位数回归理论部分，文章首先构建了基于条件分位数回归模型计算VaR的新框架，该方法直接对于任意水平的条件分位数进行建模分析。其优点在于不需要特定的分布假设和分布参数，适合应用于厚尾分布数据。本文构建了基于5阶滞后收益率解释变量，条件分位数回归模型；并采用非参数动态平滑估计方法估计参数，针对上证综合指数日对数收益率进行实证分析。　　 其次，通过有效地使用CAViaR分析框架，可以对投资组合的VaR演化机制进行分析，这是该方法独有的特点。通过挖掘潜在的VaR演化机制，可以有效地调高风险管理的水平和效率，同时是对市场风险变化模式深入认识的重要途径。　　 基于沪深两市自实施涨停板机制以后的数据，构建CAViaR分析框架。主要包含了SAV、AS、IG、Adaptive四类模型，重点研究非对称斜率模型。实证分析结果表明，AS模型对于沪深两市股指来说是最为理想的模型，该模型在上述四类模型中对市场分位数变化机理，即市场风险的演化机制刻画效果最好。假设检验分析结果显示，AS模型是最为合理的，且其分位数目标函数值最小。　　 结束语部分提出本文研究存在的不足以及研究展望。面对日趋复杂的金融系统，加强市场风险度量越来越重要。因此，还需对其进行更加深入的研究。根据本文研究结果发现，目前各种方法表现出各自优势，单一方法无法得到完全令人满意的结果。