自20世纪中后期,全球金融市场成长迅速,金融环境也变得越来越复杂。随着利率、汇率波动加剧,金融市场的波动也日益加剧,金融自由化和全球化迅猛发展,金融业管制日益放松,金融风险的管理成为各金融机构最为关心的内容,专家学者也在风险测量领域展开了深入的研究。但是随着资产结构日益复杂,传统风险管理方法的缺陷变得越来越明显,由此诞生出了一种用途广泛、可直观测定金融风险的方法即VaR方法。VaR法采用了统计学领域技术,与其他传统风险管理方法相比,VaR方法能够更加准确地反映金融风险状况,使风险管理变得更为科学,目前受到广泛应用。本文首先介绍了国际上各种度量风险的方法,并对金融风险理论以及VaR理论进行了概述,为后文实证研究奠定了理论基础,然后应用三种模型,第一个模型是传统的方差——协方差模型,它是以数据服从正态分布为前提,考虑到实际金融数据的尖峰厚尾不对称性等特征,又采用了加入极值理论和GARCH理论的改进VAR模型来计算风险,基于GARCH理论的VaR模型可以对波动率进行估计,而基于极值理论的VaR模型可以对极端事件进行考虑,然后分别求得这两个模型的计算的VaR的值,最后对三个模型进行有效性检验,得到最优的风险测度模型。在此理论基础上,本文选取中证100指数2012年到2017年的收盘价点位共1458个数据为样本进行实证分析,选择中证100指数的主要原因是它可以代表沪深股市中具有较大规模股票的波动情况,具有现实意义,然后计算收盘价点位的对数收益率,一阶差分更容易观测并且更符合金融时间序列特征,经济学意义显著,接着建立模型并计算各个模型的VaR估计值,最后通过模型的有效性检验对三个模型计算出的VaR估计值进行分析、比较和研究,选出较为有效的风险模型,从而对中证100指数风险进行较为精准的度量。