VaR是一定期限内特定金融资产头寸在一定概率下可能遭受的最大损失。自上世纪九十年代以来,VaR模型由于其度量风险的定量性、综合性、通俗性等特点而被许多金融机构和监管当局广泛使用,逐渐成为金融风险度量的重要基准。而在由美国次贷危机引发的国际金融危机中,很多金融机构因为资产遭受巨大损失而被迫将自身出卖给竞争对手甚至破产。在这种环境下,研究VaR模型在度量风险方面的应用、存在的问题和改进的方向对金融风险管理的实践有着重要的意义。VaR估计的基础是选择适当的收益率分布。为此,在进行VaR估计之前本文简要介绍了各种收益率和波动率模型并分析了上证综指的收益率和波动率特点,结果发现,上证综指收益率序列分布存在尖峰、肥尾和较弱的序列自相关。本文的主要部分使用了历史模拟法、方差-协方差方法、指数加权平均法(EWMA)、GARCH和极值理论方法分别以宽度为252,500和1000个交易日的移动窗口来估计上证综指收益率序列期限为一天的VaR,并使用事后检验的方法计算出实现收益率超过对应VaR估计的概率(失误率)。由于理论失误率为1减去置信水平,比较理论失误率与实际值的偏差就可以确定VaR模型的优劣。结果发现,基于一般帕累托分布的极值理论方法在各种置信水平,特别是置信水平很高时,得到的VaR估计都有接近理论水平的失误率;而方差-协方差模型也能够在置信水平较低时给出准确的VaR估计;指数加权平均方法和GARCH方法由于得到的VaR估计波动性过大而使其失误率偏离理论水平较多。而历史模拟法得到的VaR估计虽然失误率接近理论水平,但实现收益率超过VaR估计的事件多发生在市场动荡时期。最后,本文给出了改进VaR模型的两个可能方向:使用条件VaR来反映金融机构或金融市场间的波动率溢出效应;发展路径依赖的VaR模型来实行有效的逆周期金融监管。