原油价格波动与衍生品定价、风险管理和投资组合选择等密切相关。因此,对于投资者、从业人员和监管机构来说,如何准确地度量原油市场的市场风险是至关重要的。风险价值（Value at risk,VaR）作为一种最为主流的衡量市场风险的指标,被国内外金融机构所广泛使用。目前,原油市场VaR测度的方法主要有历史模拟法和GARCH模型,它们是基于传统的日度数据进行估计,历史模拟法在实务界中被广泛使用,学者们则偏向于使用参数化的GARCH方法。但究竟哪一种方法拥有最好的预测精度,业界和学术界尚未达成共识。近年来,随着高频数据的出现,学者们提出了各种基于高频数据的已实现测度方法（如Realized Variance,RV;Realized Kernel,RK等）来刻画市场的波动变化,这为学者们采用高频信息预测原油市场VaR提供了丰富的工具。相较于低频波动率,各种已实现波动率包含了更为丰富的日内信息,为更加准确地预测原油市场的VaR提供了潜在可能。然而,学术界关于已实现方式仍然存在诸多争议,这为其在原油市场VaR预测中的应用造成了困难。比如,高频波动率模型是否比基于日度收益的模型表现更好、对于不同已实现方式的准确性没有普遍共识等。此外,关于如何选择更为精确的模型来预测原油市场的VaR仍然没有一致性结论。因此,本文基于一个统一的回测框架,对不同类型VaR预测模型的精确性展开严谨的回溯测试,进而为原油市场的风险管理者提供系统而科学的指导,具有重要的理论意义和实际意义。本文的主要研究工作及创新如下:第一,本文首次系统分析了高频数据是否有助于预测原油市场的VaR。具体的,本文将大量已实现方式应用于原油市场的VaR预测。然后,在统一的回测框架下,对大量的VaR预测模型进行了预测性能的比较,包括各种纳入已实现方式的Realized GARCH模型（RV、RK等）,以及基于日度数据的基准模型:历史模拟法（THS、BRW）和传统GARCH模型（GARCH、EGARCH、GJR-GARCH等）。其次,由于不同的市场存在着不同的市场微观结构效应,不同的已实现方式在处理不同的市场微观结构效应时可能会表现不同。因此,本文进一步深入研究了哪一种已实现方式最适合预测原油市场的VaR。具体来讲,本文在统一的回测框架下,对比了30个已实现方式在预测原油市场VaR中的精确性差异,具体包含3个频率（1分钟、5分钟和10分钟）下的10种不同类别的估计器（RV、RRV、RK、RVpa、BPV、QRV、BPVpa、RS、MLRV和RQ）,为原油市场从业者提供了指引。本文得出的主要结论如下:第一,本文的实证结果表明高频信息有助于预测原油市场的VaR。其中,纳入1分钟RQ的Realized GARCH模型基本全部通过了检验,表现出了最好的风险测度精确性,不仅优于传统的方法,如历史模拟法和传统GARCH模型,也优于其余的高频模型。第二,并非所有已实现方式都有助于预测原油市场的VaR。事实上,大多数包含已实现度量的Realized GARCH模型（如RV、RK、RRV、RS等）,其预测性能比基于日度数据的传统GARCH模型更差。产生这一现象的原因可能是,大多数的已实现方式不能很好地处理原油市场的微观结构效应。第三,样本频率的选择会显著影响已实现方式的预测精度。本文的结果表明,基于1分钟频率采样数据的已实现方式,相比于5分钟和10分钟频率下的已实现方式表现出了更好的预测性能。第四,本文发现金融机构使用最多的历史模拟方法表现出了最差的预测精度。因此,为避免造成潜在损失,本文不建议从业人员使用该模型来预测原油市场的风险值。