进入21世纪以来,全球经济进入了一个崭新的局面,高科技创新产业成为了21世纪经济发展的核心部分。高科技创新产业的迅速崛起及其产业化是我国经济全面发展不可或缺的动力。近些年来,随着一系列的金融创新工具的诞生以及全球金融市场越来越开放,金融资产所面临的风险也越来越显著和复杂。因此,我国迫切需要对金融市场进行金融风险进行定量测度。定量测度金融市场风险的方法有很多,VaR方法因为其自身具备简单、实用、综合等特性,因此被全世界很多金融机构和监管层广泛采用来测度机构所面临的市场风险,以便更好地控制和监管机构所面临的市场风险。正因为这样,本文将VaR方法引入到我国金融市场风险管理体系中对我国创业板市场风险进行定是测度具有重大的理论与现实意义。我国从自身发展的实际需要并结合全球经济形势的全局出发,于2009年10月30在深交所正式启动了创业板市场,标志着历经十年磨炼的创业板市场终于由理想走向了现实,这是中国证券市场乃至金融市场发展的一个里程碑时刻。创业板市场的启动对于我国资本市场和社会经济持续健康的发展具有重要的意义。首先,创业板市场为我国高科技创新型企业提供了便利的融资平台,为我国培养出巨大的高科技公司奠定了基础;其次,创业板市场还为广大投资者提供了一个全新的投资渠道,以满足风险偏好者的需求;再次,创业板市场为主板市场和中小板市场提供了一个很好的补充,使我国建立多层次的资本市场的目标又进了一步。对于风险更胜于主板市场的创业板市场,目前还没有找到能在不同的置信水平上准确地定量测度其风险价值,本文以创业板综合指数5分钟日内高频数据为序列样本,在对序列数据进行详细的统计特征分析的基础上,根据其特有的统计特征,建立合适的模型,并把数据序列分为估计样本和预测样本对数据序列进行滚动预测,最后把预测的结果与实际值进行对比,通过回顾测试筛选出最适合定量测度我国创业板市场风险的模型。实证的结果显示:我国创业板市场综合指数5分钟“已实现”波动率和“已实现”极差波动率显现出显著的尖峰、厚尾以及有偏的统计学特征。存在明显的波动聚集、不存在单位根、具有长记忆性,还存在“W”型或者说“U”型日内效应和周一收益显著为正,周四收益率显著为负的周内效应。ARFIMA模型、ARFIMAX模型和HAR模型三类刻画长记忆性的模型都能很好的拟合我国创业板市场的对数“已实现”波动和对数“已实现”极差波动序列。基于波动率模型计算创业板市场的风险价值VaR并对其进行回顾测试,结果表明基于日内高频数据所求VaR在高分位数水平下表现良好,在高分位数水平下往往会高估市场风险,而基于日间数据的GARCH族模型所求的VaR正好相反,在高分位数水平下表现明显优于低分位数水平下的VaR,在低分位数水平下往往低估市场风险。考虑到市场好坏信息对投资者的影响是非对称的建立起来的波动率模型所求VaR无论是在高分位数水平还是低分位数水平下都优于没有考虑非对称的情形,说明由于做空的限制,的确存在好坏消息对投资者影响程度的非对称性。基于极值理论的POT模型在克服对数据序列总体分布假设的基础上,仅对尾部进行广义Pareto分布拟合,考虑到序列数据的相关性导致极值的成串出现,采用除串法处理后,模型能很好地估计我国创业板市场的风险价值VaR。