如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门的话题。VaR方法作为当前业内比较流行的测量金融风险的一种手段,具有简洁、明了的特点,并且相对于方差来讲,更多的将投资人的损失作为风险,体现出更好的合理性。但是在用参数法来计算VaR时,关于分布假设、模型的选择等问题,具有一定的主观因素,很多是依靠经验来进行判断。由于GARCH族模型能够较好地刻画收益的动态变化特征,捕捉股市的丛集性效应、非对称特征,所以近年来计算VaR的参数方法多集中于用各类GARCH模型结合能捕捉股市收益的厚尾特征的t-分布、GED分布来进行计算。GARCH模型在金融资产序列波动率的模拟和金融风险VaR的度量中都有着广泛的应用。文中用当前金融领域刻画条件方差最典型的GARCH模型及其几种最新衍生模型TARCH模型、EGARCH模型等进行实证分析。本文首先介绍了计算VaR的一些基本方法,并且比较了他们的优缺点。选了上证综合指数、深圳综合指数、深圳成分指数、上证180指数作为研究对象,对这些指数的收益率序列进行正态性检验、平稳性检验、ARCH LM检验,检验后发现这些市场的收益率序列具有尖峰后尾性、分布是较平稳地、并且具有ARCH LM效应,因此认为GARCH模型族比价适合计算我国证券市场的VaR。之后,采用了GARCH、TARCH、EGARCH模型,GARCH模型的正态分布、t分布、GED分布来计算上证综合指数、深圳综合指数、深圳成分指数、上证180指数的VaR。最后用Kupiec的失败频率检验法来对模型进行准确性检验,得到每个市场最优的模型,并进行分析总结。