在当前推行的供给侧结构改革的进程下,我国金融市场的内在特征使得它不得不经历周期性危机,同时国内和国际经济环境不确定性提升,以及全球金融一体化的发展中接连不断的负面冲击,使得股票市场呈现出巨大的波动性和脆弱性,进而引发沪深股市剧烈波动,造成金融市场对实体经济的负外部溢出效应。因此,在我国金融市场发展中,防范化解金融市场风险必不可少,有效测度金融市场风险对我国乃至全球经济的健康稳定发展尤为重要。在对金融市场风险测量的方法中,VaR方法能够精确计算各类金融资产在未来时间内不同置信区间下的潜在损失,符合现代金融机构监管的需求,因而VaR测度已经成为金融市场风险测度的主要手段。在对金融市场风险的在险价值进行测算前,需要对金融资产收益序列的估计方法进行选择。收益率序列的估计方法分为非参数法、半参数法及参数法。非参数法是基于历史数据范围的模拟,存在着Manganelli和Engle指出的逻辑不一致性问题,即非参数法通过较长的时间窗口来提高精确性,而金融资产收益率序列分布则要求开较短的时间窗口以满足其时变性的特征。非参数法也无法解释金融资产收益率序列具有的波动集聚、自相关性、尖峰厚尾等现象。因此,非参数法存在一定的理论缺陷。半参数法是对不同样本分组数据采取不同的概率分布假定,主要有条件自回归在险价值(CAViaR)、极值理论以及拟最大似然估计的GARCH类模型,其中极值理论应用广泛。极值理论侧重于金融资产收益率分布的尾部模型,以有效地突出金融资产收益率的厚尾特征。参数法主要是在GARCH系列模型基础上发展起来的,该方法能够显著地刻画金融资产收益率序列的波动集聚、长记忆性等现象。鉴于非参数法所存在的缺陷,本文将主要针对参数法和半参数法的VaR模型加以讨论。本文的实证分析部分将分为以下三个部分展开:通过运用GARCH模型、极值理论中POT模型、以及自激Hawkes—POT模型来对我国金融市场风险进行度量。通过对不同收益分布假定下VaR的计算显示,自激Hawkes—POT模型和POT模型所测度的金融市场风险大于GARCH模型的测度结果。然后通过对不同收益分布假定下VaR的回测结果显示,在巴塞尔协议三中要求的5%、1%和0.1%三种概率水平下,自激Hawkes—POT模型和POT模型的结果都显著优于GARCH模型。因此,通过自激Hawkes—POT模型对于金融市场风险测度,不仅能有效描述金融资产收益率的尖峰厚尾和波动聚类现象,也能提高风险预警能力,对我国金融市场风险预警机制的建立和完善有着重大意义。本文主要创新之处在于在我国金融市场风险测度方法中引入Hawkes类点过程,对POT模型所存在的缺陷进行弥补。Hawkes模型的本质属于线性自激点过程,其特点在于已经发生的事件将刺激新事件的发生,运用该模型测度我国股市市场风险,能有效解决极值理论在收益率分布特征方面较弱的能力。因此这对改善我国金融市场风险测度的方法,完善金融风险管理制度,提高金融机构的风险管理能力有着重要意义。