随着金融市场产品和模式的不断创新,以及当今世界的政治变化导致的经济不断波动,我国面临着严重经济金融风险。因此对于金融市场风险的良好度量不仅有利于防范金融市场的各种风险,而且有利于防范“黑天鹅”和“灰犀牛”事件以及风险的发生,从而帮助政府工作者稳定国民经济良好运行以及帮助投资者进行风险防范并良好投资,所以具有非常重要的理论实践意义。随着计算机技术的日益强大以及分析技术的不断成熟,金融数据的高频采样变成了可能,基于已实现GARCH类模型的VaR研究成为金融市场投资者和学者的研究重心。本文选取上证综合指数2013年1月4日到2018年12月28日内5min交易价格作为研究样本,研究在不同模型以及不同分布下的VaR度量结果。本文首先将经典的计算VaR的三种方法进行实证分析,发现计算结果会严重的低估或高估金融风险;考虑到尖峰厚尾现象普遍存在于金融资产收益率序列之中,尝试采用已实现GARCH模型,同时由于正态分布不具有厚尾性,也将残差分布拓展到学生t分布和GED分布形式,从参数估计、模型验证、VaR预测效果以及波动率预测效果等四个方面进行比较,研究发现已实现GARCH模型在GED分布下具有良好的估计效果,但是对杠杆效应难以精确捕获;因此本文接着考虑引入已实现EGARCH模型,同样进行实证分析,从上述四个方面进行比较,研究发现已实现EGARCH模型对于资产价格的非对称性的描述优于已实现GARCH模型,并且在已实现EGARCH模型中,GED分布依然具有良好的估计效果,但在极端的风险水平下,已实现EGARCH也难以对VaR进行精准度量。本文研究结果表明,在非极端情况下,已实现EGARCH模型的VaR在残差分布服从GED分布下具有较好的预测效果,与已实现GARCH模型的VaR比较,同样具有良好的预测效果。