城市商业银行是我国经济体制从计划经济向社会主义市场经济转型时期的特殊产物。经过长时间的发展,已经是我们国家银行系统的重要组成部分。与大型国有银行和股份制商业银行相比,城市商业银行资本规模较小,发展时间短,收入来源相对更单一。当面临外部风险时,城市商业银行通常更容易陷入困境。在经济全球化的时代,随着我国金融体制的深化改革,城市商业银行面临的市场风险日渐复杂化。过去城市商业银行往往更加重视其所面临的信用风险,而对其所承受的市场风险缺乏定量化的分析。事实上,市场风险已经成为商业银行所面临的第二大风险。相比于国内城市商业银行对市场风险长期的不重视,在西方国家,商业银行在市场风险的计量与管控上明显走在前列。其中,VaR模型在西方国家是已经流行多年的经典的市场风险度量模型,在西方国家防范市场风险中取得有较好的效果。鉴于VaR模型在量化市场风险上的便捷与优良效果,本文将VaR模型运用到了我国城市商业银行的市场风险度量之中。本文介绍了VaR的概念和其计算方法。为了能便捷有效的计算VaR值,本文重点阐述了GARCH模型。同时,阐述了TGARCH模型和EGARCH模型。通过VaR模型结合GARCH类模型,实现市场风险的定量化计算。即是将历史数据所拟合求出的VaR值代表为市场风险的值。对于检测VaR值是否计算准确的问题,本文介绍了kupiec检验法。本文从汇率风险和股票价格风险这两大因素考量城市商业银行的市场风险。在汇率风险的实证分析中,以人民币兑美元汇率作为收益率序列。对数据进行了处理,和建模前的平稳性、自相关性等检验。对收益率序列进行了不同分布下的GARCH模型建模和TGARCH、EGARCH建模。发现尽管收益率序列有着“尖峰厚尾”、“杠杆效应”的特征,只有正态分布下的GARCH模型所计算出的VaR值是最优的。本文以VaR值来代表城市商业银行所面临的市场风险大小,并对城市商业银行未来一天的市场风险的大小进行了预测。在股票价格风险的实证分析中,以宁波银行在A股的日收盘价格为原始数据。同样对数据进行了处理和检验。进行了不同分布下的GARCH、TGARCH、EGARCH建模。发现收益率序列满足t分布下的GARCH类模型,由此计算出的VaR值,无法通过Kupiec检验,容易高估银行的市场风险。收益率序列满足正态分布下的的GARCH类模型拟合效果好,适合用于宁波银行的市场风险量化。无论是汇率风险还是股票价格风险的量化分析,GARCH模型的适用范围均要广于TGARCH和EGARCH模型。在实证分析中还发现,城市商业银行的股票价格风险远大于汇率风险。城市商业银行应该将市场风险的管理重心置于股票价格风险上。通过对城市商业银行的市场风险的定量化分析,希望能对我国城市商业银行的市场风险度量和管理有一些可供参考的建议。