2009年10月30日,28家企业在深圳证券交易所创业板市场正式挂牌上市,标志着创业板正式登上我国资本市场的舞台。创业板市场是对主板市场的重要补充,因此又称二板市场,在我国构建多层次资本市场中扮演着举足轻重的角色。在创业板上市的公司绝大多数是中小型、创业型和高科技型企业,具备较大的成长空间,但受制于起步不久、规模较小、业绩不突出等问题,暂时无法在主板上市,因此作为一个门槛低且监管严格的股票市场,创业板成为了孵化这类企业的温室。我国创业板市的推出可以说为中小企业和高科技企业提供了更为便捷的融资渠道,为风险资本实现了更为有效的退出机制,同时也成为了中国发展高新技术产业、调整产业结构、完善资本市场以及推动国民经济持续稳定增长的重要平台。设立六年多以来,整个创业板市场发展向好,截至2015年底上市公司数量从当初的28家猛增至492家,数量增长18倍,总市值也从不到1400亿元暴增至55961亿元,扩大40倍。创业板市场股价的不断攀升,导致了众多投资者的竞相追捧,投机炒作现象愈演愈烈。2015年伴随着杠杆资金上涨,创业板泡沫加剧,牛市市场情绪下许多依靠讲故事、题材概念的股票不断疯涨,同年6月我国爆发了国内外历史上罕见的股灾,而创业板前期估值过高正是本次暴跌的重要原因之一。此次大跌之前创业板估值不断突破历史,平均PE高达135倍；市场信心被打破之后,估值过高、缺乏基本面支持的股票难逃暴跌命运。事实上创业板市场自成立以来就饱受争议,高超募资金、高发行价、高市盈率的“三高现象”,高管辞职套现,上市公司业绩突变等问题如影随形,导致了少数企业过度融资、巨大的资源浪费以及二级市场的高风险。从本轮股灾中我们可以看到,创业板市场的高风险不仅会影响到投资者的投资收益,而且影响到了整个股票市场乃至金融市场的稳定发展,因此有必要运用最新的数据、最经典的模型和最合适的方法来度量创业板的市场风险,这对促进我国多层次资本市场的健康发展具有十分重要的现实意义。通过大量的文献阅读发现,使用不同的方法度量VaR值,结果差异较大；而使用相同方法度量VaR,对于不同的金融市场而言,各种方法也是良莠不齐、各有千秋。考虑到与我国主板市场相比,创业板市场的波幅较大、波动频度较高,且风险更高,因此论文引入了基于价格极差的GARCH模型以及新兴的半参数法,以期提高模型对创业板收益率序列的拟合优度,更有效地度量创业板市场的风险。本文选取了创业板指数和HS300指数从2010年6月1日到2016年2月29日共1392个交易日的数据作为样本,基于参数法下的GARCH、极差-GARCH模型和非参数法下的GARCH模型分别计算了样本序列的VaR值,并运用Kupiec似然比检验法对所得结果进行了回测检验和对比分析,论文在上述实证研究中主要得到以下五点结论：(1)创业板市场的价格波动程度超过主板市场通过创业板指数与HS300指数的描述统计分析表明,创业板市场的日内价格波动程度超过主板市场,原因在于创业板主要为创新型和成长型企业,因此我国监管层需要加大对创业板市场的风险防范力度。日收益率序列的分布呈左偏,价格极差序列的分布呈右偏,表明二者均不服从标准正态分布,存在明显的“尖峰厚尾”现象。同时通过观察收益率的走势图发现,当日收益率的波动幅度较大(或较小)时,价格极差的波动幅度也相应地增大(或减小),说明收益率的波动具有“一致性”,即最高价、最低价与收盘价一样,包含了一天内交易价格波动的关键信息；此外,收益率的波动还呈现出“持续性”的特征,即大波动通常会持续一段时间,而小的波动后面通常跟着小的波动。(2) GARCH族模型计算的VaR值反映了收益率波动的集聚性特征通过对三种不同分布下GARCH(1,1)模型计算出的VaR值以及相同T分布下不同模型计算出的VaR值,按大小进行排序后发现,最大值对应的日期大都集中在2015年6月和7月,这说明波动的集聚性,较大的值都出现在一定的时间区间内,联系实际的经济运行环境：2015年6月、7月我国发生了严重的股灾,A股出现连续性暴跌,过半数上市公司股价下跌幅度超过50%,“停牌潮”带来的流动性风险,严重损害了市场信心,因此基于GARCH族模型计算的风险价值VaR是可以反映实际情况的。(3)波动率的杠杆效应不显著根据参数估计的结果,EGARCH模型在三种不同的分布下,反应杠杆效应的杠杆因子均未通过检验,说明正的外部冲击和负的外部冲击对创业板收益率的这种非对称性影响并不显著。同时EGARCH模型的AIC和SC值与相应的GARCH(1,1)模型相比较减少甚微,因此可以认为EGARCH模型对收益率序列并没有很好地拟合。造成这种现象的原因可能是：中国股市起步较晚,创业板也才推出6年多的时间,发展尚不成熟,其在信息分布、信息加工和信息传递等方面都存在着诸多不足；同时,由于市场中的噪声交易大量存在以及市场参与者的非理性行为,造成我国创业板指数的价格波动幅度较大,从而使得非对称信息与剧烈的波动幅度相比,影响不是特别显著。(4)分布假设和置信水平是影响VaR准确度的重要因素在对模型进行回测检验时,LR统计量越小,说明模型计算的VaR值越准确,但最佳模型种类的选择是以不同的分布假设和置信水平为前提的。首先,就分布而言,T分布下各模型估计的失败率最小,而GED分布下的失败率与预期失败率最为接近,再次说明收益率序列的分布不服从正态分布,能够刻画其尖峰厚尾性质的T分布和GED分布得到的结论较好。其次,比较不同置信水平下的VaR计算结果,发现置信水平要求越高,得到的VaR值越大,标准差越大；同时,在正态分布下,当置信水平较低时,计算的VaR值能较好地刻画收益率序列的尾部特征,而当显著性水平很高时(如99%),计算的VaR值存在低估风险的现象。(5)在测度我国创业板市场风险时,应根据不同的置信水平和风险偏好选取最适合的模型在95%的置信水平下,GARCH-T模型的LR统计量最小,因此更适合于度量我国创业板的市场风险；而在99%的置信水平下,极差-GARCH-GED模型在度量创业板市场风险时适用性更强。而从失败率来看,在95%的置信水平下,极差-GARCH模型的失败率整体要比另外两个模型更小；在99%的置信水平下,半参数-GARCH模型整体的失败概率较小,说明这两个模型在拟合收益率波动性时更保守。综上所述,在测度创业板指数的VaR值时,应根据不同的置信区间和风险偏好选取更适合的模型,才能更好地刻画创业板指数的市场风险。本论文的创新之处主要包括以下三点：(1)对我国创业板的市场风险进行度量首先,由于我国创业板起步较晚,用于代表创业板市场的创业板指数更是到2010年6月1日才正式编制和发布,因此在应用VaR方法对我国股市进行风险度量时,选取的样本大多集中于主板市场,还少有文献涉及创业板市场风险度量。其次从实证研究的角度,已有文献未能从我国创业板市场的特点出发,将现有的用于测度VaR的模型进行对比分析和优劣取舍。最后作为对比,本文还选取了HS300指数代表主板市场,用以探究在测量不同股票市场的市场风险时,VaR经典方法的适用性与效果差异。同时,本文还在不同置信水平和不同分布假设下比较分析不同类型的模型,用以全面考察模型在估计VaR值时的精确程度和影响因素。(2)将价格极差引入到了传统的GARCH模型中收盘价作为股市波动一天的最终时点的成交价,所反映的市场交易信息并不全面,而最高价和最低价同样包含了日内价格波动的关键信息,但是目前测度VaR的主流方法中,仍采用收盘价的对数之差来计算日收益率,并没有将最高价、最低价考虑其中。因此本文将价格极差纳入到GARCH模型中,运用极差-GARCH、传统的GARCH类模型来计算并比较创业板的VaR值。(3)运用了新兴的半参数方法参数法下的GARCH族模型是目前度量VaR值的主流方法,与参数法、非参数法相比,半参数法有效地结合了两种方法的优势,并弥补了两者的缺陷,该方法不需要对收益率作出分布假定,也能较好地解决金融时间序列尖峰厚尾的特征,然而目前使用半参数法进行VaR风险度量的文献少之又少,所以本文引入了半参数法来度量样本的VaR值,并与经典的GARCH族模型作对比,具有重要的现实意义和学术研究意义。