近年来，随着经济的全球化和金融衍生工具的发展，金融市场的波动性日益加剧，金融风险管理正在成为金融机构和工商企业管理的核心内容。VaR是目前金融市场风险测量的主流方法，本文主要对我国股市的长记忆性特征进行实证分析，并将长记忆模型应用到风险价值的计算中，以探索适合度量我国股市风险的方法。　　论文分为六章，具体内容如下:　　第一章是绪论部分，介绍了研究的意义并对国内外VaR的研究现状进行了概括。　　第二章介绍VaR的理论体系。首先介绍了VaR提出的背景，之后给出了VaR的正式定义及评价，接下来详细介绍了VaR的三种计算方法（历史模拟法，方差协方差法，蒙特卡洛模拟法），最后介绍了Kupiec提出的模型准确性检验方法。　　市场因子的波动性估计是VaR方法的核心，所以在第三章介绍了常用的波动性模型。主要是目前常用的GARCH类模型，包括GARCH、EGARCH、IGARCH、FIGARCH模型，并指出了模型的特点和存在的问题。　　第四章介绍长记忆性问题。首先是长记忆问题的提出及其定义，然后详细介绍了用来检验长记忆性的R/S方法，最后对我国股市的长记忆性进行了检验，赫斯特指数均大于0.5，表明我国股市存在很强的长记忆性。　　第五章采用上证综指为实证样本数据，将长记忆性模型FIGARCH应用到VaR计算，并和传统的GARCH模型相比较。对于波动性的预测，常用的是正态分布，因为金融时间序列具有尖峰厚尾特征，而t分布更能描述这一特征，所以同时采用了这两种分布进行实证研究，最后对比它们计算VaR值的结果。结果表明正态分布下的FIGARCH(1，d，1)模型能更好的度量我国股市风险。　　第六章基于实证分析结果，对全文进行了总结。得出的结论如下:　　1.我国股市日收益率存在很强的长记忆性。　　自回归模型的系数显著异于0，赫斯特指数H大于0.5，分数差分阶数d介于0到0.5之间，且统计性质显著。这表明我国股票市场的历史信息将对股市收益产生一定的影响。　　2.收益率的波动有明显的持续性。　　上证综指GARCH(1，1)模型中α+β接近于1，说明收益率波动持续时间较长。用FIGARCH模型进行拟和得到了很好的结果，表明条件方差并不是很快的以指数形式衰减，而是以双曲线形式缓慢的衰减。　　3.考虑长期记忆特征有助于提高波动模型的实际预测能力。　　考虑波动长期记忆特征的FIGARCH模型预测其风险价值的能力要显著优于传统的GARCH模型，同时条件分布和置信水平的选取对预测能力也有显著影响。　　4.FIGARCH-normal是比较适合描述我国股市风险的模型。　　通过比较不同模型的预测结果，得出了在条件方差为正态分布的假设下，FIGARCH模型是适合度量我国股市风险的模型。