2013年作为互联网金融元年,标志着互联网金融作为一种普遍的金融服务方式,以其高效和低门槛的特征对整个社会产生了重大影响。互联网金融高速发展的背后,是其作为新型金融手段所蕴含的巨大风险。我国互联网金融的风险管理,特别是互联网金融市场风险的度量和防范问题进一步突显。而学者们对于互联网金融的运作模式与风险机制有着充分与全面的研究,而对互联网金融市场风险尤其是市场风险量化的研究却少之又少。市场风险是所有互联网金融风险的本质与和核心,它具有隐蔽性与非常规性、强烈破坏性与快速传染性、可预见性与可掌控性的特征,能够对互联网金融市场中所有的参与者和整个互联网金融行业产生影响。风险量化的研究可以帮助投资人直观地了解自己可能面临的财产损失,从而对风险有更为清醒的认识。因此,全面分析我国互联网金融市场风险能够加强我国互联网金融市场风险的有效管理。为了加强对此的研究,需要选取适当的模型衡量互联网金融市场风险的大小与特征。以波动性分析与敏感度分析法为代表的传统金融市场风险度量方法存在着局限性,例如在对复杂的资产组合进行风险度量时会失效,无法应用于如今我国互联网金融市场风险的度量工作中。VaR方法在我国互联网金融风险的度量中有着结果清晰直观、适用性广泛的特点,能够应用于我国互联网金融市场风险的度量。传统VaR模型具有正态分布假设、系数非负约束的缺陷,对估计结果有一定的影响。本文针对我国互联网金融市场的波动性聚集特点、厚尾尖峰特征以及不对称的杠杆效应构建了基于参数法与半参数法下t分布和GED分布的GARCH模型并对其进行改进以计算我国互联网金融市场的VaR。本文选取中证互金指数的收益率序列代表我国互联网金融市场进行回归研究,以此展开我国互联网金融市场风险的度量,并对比了不同方法对我国互联网金融市场风险估计能力的优劣。计量结果显示:首先,根据收益率时间计算得出的中国互联网金融VaR值大于每日实际VaR值,这说明此方法没有低估风险,计算的预警值能够涵盖投资者的实际交易风险。其次,我国互联网金融市场的波动聚集性能够被自回归条件异方差异方差模型较好的表达出来。再次,EGARCH模型在由于考虑了系数非负性,在参数法下的两种分布假设中都有比同类模型更好的拟合优度,同时以t分布下的EGARCH效果更好;同时根据返回检验结果,GED分布下EGARCH模型有更好的预测精度。第四,当选取不同的分布假设和不同的置信水平时,VaR的计算值会产生显著不同。第五,半参数四阶距法对于VaR值的估计能力强于常规GARCH模型在参数法下的估计能力。在投资者进行投资活动的决策时,需要将不同的方法结合起来,以获得更好的风险管理效果。最后,本文根据互联网金融市场风险的特征给出建议,认为投资人应加强培养自身的风险意识而金融监管机构应为投资人清晰的揭露风险,为完善我国互联网金融风险理论作出了一定的贡献。