我们国家的金融市场化程度在不断的提高。在这个过程中,利率的市场化也在持续发展。利率市场化是金融改革的重头戏。可以说,目前中国的利率市场化正如一辆快速行驶中的“高铁”。它在前进的过程中冲破了一系列实质性的关口,利率风险也随之而加剧。商业银行正如这一快速行驶的列车中的“乘客”,在经历着这一市场化过程中同样面临各式各样的风险。而对于银行来说,利率风险愈来愈成为它们所要面临的最主要的风险。因为一旦利率市场化,利率的波动幅度及频率将远大于从前。商业银行如不能准确的对这一风险进行度量及控制管理,将会面临很大的问题。为了能更好地对当下这一市场化进程中利率风险相关问题进行探讨,本文对利率管制、利率风险相关含义、利率市场化的实践以及利率市场化进程中所要面临的有关利率风险类型做了必要的梳理。在利率风险度量中,说明VaR模型度量利率风险的主要优势。以Shibor隔夜数据为研究对象,对利率市场化背景下的利率风险进行VaR度量。由实证结果可知VaR模型在引入GARCH模型后,能够较好的解释了利率数据特性,最终得出单位头寸拆借资金的VaR统计量及波动图形。但是本文计算的Shibor隔夜拆借的VaR值较低：原因是模型、数据带来的计算结果的差异；另外,我们可以猜测,国内商业银行在利率风险管理方面已经取得了一定的成果,也是使得VaR值较低的又一原因。当然,后者还有待于进一步的研究。考虑到利率风险的管理,这也是本文不同于以往大部分对银行利率风险研究的文章。借鉴以往学者们的利差模型的研究,建立面板数据的回归模型。通过对净利差(N1M)模型的分析,得出基准利差、宏观的利率风险、平均运营成本、银行中间业务、风险厌恶程度等指标都影响银行获得利差的水平。在所选取的变量中,除了银行中间业务这一变量的结果与预测值相反。其余变量均与预测一致,也对模型有着较好的解释。结合实证分析,最终提出对利率风险度量以及管理方面的建议。文章不足之处有很多,比如：未能对现有的利率风险度量模型进行比较分析；在净利差(NIM)模型变量选取方面,未能充分考虑其它相关的变量；加之数据的可获得性,本文在实证方面相对比较粗糙,模型回归的准确性也因此受到了影响。