VaR已经成为国际上新进发展起来的一种卓有成效的风险量化技术,是国际上风险度量的新标准。关于VaR的计算,波动率的估计是关键。大量研究显示,使用不同波动率模型计算的VaR值存在较大的差异,即使相同的模型,对于不同的市场,其好坏优劣也存在很大差别。因此,对于VaR模型在中国市场的适用问题,我们也不能简单的照搬国外的方法和结论。为此,本文使用不同VaR模型对我国股市风险进行实证分析,检验模型的有效性以及股市风险的大小。本文在前人工作的基础上,结合Eviews5.0、WinBUGS和S-plus采用EGARCH模型、SV模型以及多元GARCH模型对沪深股市风险进行实证分析。 第一部分,介绍了VaR的产生背景、定义、基本要素、一般计算原理和主要的计算方法,详细介绍了基本要素以及VaR主要计算方法：线性法、蒙特卡罗方法、历史模拟方法以及条件异方差方法。 第二部分,介绍了ARCH模型,基于EGARCH模型在正态、t分布以及广义误差分布(GED)三种不同的分布下对沪深股市指数建模并对沪深股市风险的大小以及波动持续性进行实证分析。 第三部分,首先介绍了蒙特卡罗马氏链模拟(MCMC)方法的基本原理,根据贝叶斯定理对SV-N模型进行贝叶斯分析,构造基于Gibbs抽样的MCMC数值计算过程,通过WinBUGS软件进行SV模型参数的参数估计。并利用SV-N模型、SV-t模型和SV-GED模型对深证综指和上证指数数据建立随机波动率模型进行仿真分析,预测参数估计得到的波动率计算VaR值并与相应实际指数收益率进行比较。结果表明,上海股市和深圳股市都表现出强的波动持续性,而上海股市比深圳股市具有更强的波动持续性。而深圳股市的波动水平比上海股市的要大,风险也更高。 第四部分,分析了多元GARCH模型的基本框架及其扩展形式,应用S-plus软件基于BEKK模型对沪深股市波动持续性及相关性进行分析。发现深圳的市场波动比上海大,上海股市波动持续性大于深市深股市波动相关性的持续性较强。沪深股市波动相关性的持续性较强。