金融风险普遍存在，金融风险一旦发生，常常带来巨大的经济损失。对金融风险管理而言，金融风险度量已成为一个非常重要的课题，研究它具有极其重要的理论和现实意义。从Markowitz使用方差计量风险以来，新的风险测度不断涌现，风险测度理论也在风险管理实践过程中不断的得到完善和发展。VaR风险度量方法的出现使金融风险的定量研究得到进一步的发展。随着VaR方法在金融市场被广泛运用，VaR的准确度量显得至关重要。金融资产的收益率分布特征是所有金融模型的核心内容，传统的VaR模型一般先对收益率服从的分布作出某种假定，但是大量实证研究表明实际的收益率分布不服从事先假定分布。VaR值的准确度量不仅与资产收益率的分布有关，还与资产收益率的波动性有关，准确估计资产的波动率对于VaR的测量显得至关重要。本文在分析了VaR和CVaR的研究动态的基础上，讨论VaR风险测度的相关问题，在对VaR模型进行了深入研究，包括极值波动下VaR风险度量及其高频数据波动的VaR风险估计：基于极值理论方法和截线性矩估计方法刻画收益率分布的尾部特征，解决了传统中心矩不能对厚尾分布进行矩估计的问题，并把它应用到中国股市的风险状况的研究中。另外，本文还从高频数据特征出发，将高频金融数据的已实现波动率引用到基于Cornish-Fisher的VaR模型当中。我国股市市场投资风险比较大，不仅涨跌的幅度较大，而且发生较大涨跌幅度的频率较高。上证综合指数和沪深300指数反映了上海和深圳证券市场的股票价格变动情况，与中国的经济联系最为紧密。本文对VaR模型在中国股市中进行了实证研究，重点考察了中国股市的金融风险情况，实证结果表明：与正态分布假设下的VaR值相比，通过这两种方法计算的VaR值更加的准确。