最近几年,我国的金融行业逐渐走向全球化,再加之利率市场化的深入,使得金融风险结构日趋复杂;市场风险测量难度不断加大;风险管理的作用也日趋重要。就目前来说,度量金融市场的主要方法之一便是Va R(Value at Risk)。故运用有效精确的方法来实现Va R的测度具有非常重要的意义。基于GARCH模型族的Va R是最主流的算法之一。在解决GARCH模型的参数估计这一问题之上,比较传统的做法是通过极大似然估计来实现。然而,这种方法比较难以实现模型最优化的这一目的,究其原因,是因为在用这一方法进行求解时,给参数设置了种种的约束条件。为了应对极大似然估计在求解GARCH模型时所面临的这一困境,本文在对GARCH模型进行参数估计时运用了另外一种方法,即基于马尔科夫蒙特卡罗(MCMC)的贝叶斯方法,以期更好地对市场波动性进行刻画。最终,这一效果通过基于GARCH模型的Va R估计得以直观的呈现了出来。实证分析中,本文搜集了深证综指的日收盘价作为原始数据,通过简单的计算处理,最终采用指数收益率的形式进行实证分析研究。本文的数据分为两段,一段用于建立并估计GARCH(1,1)模型,另一段用于Va R的计算和回测检验。在本文的研究中,分别通过两种方法,即经典统计方法和基于MCMC的贝叶斯方法来建立并估计GARCH模型。这两种方法分别通过Eviews软件和Open Bugs软件来实现。实证结果表明,在建立并估计GARCH模型时,基于MCMC方法的贝叶斯估计要优于极大似然估计(ML)方法,主要表现在贝叶斯估计更加的灵活,统计推断的结论也更加的可靠。所以对于金融机构和投资者来说,在计算Va R这一指标时,可以选择使用贝叶斯方法来建立并求解GARCH模型