鉴于目前现代风险测度未考虑极端事件,本文借助极值理论对中国股市收益的GEV分布和GP分布进行了估计和拟合,并对不同置信水平下的VaR进行估计和检验。实证研究表明,GEV分布和GP分布均能对上证指数和深圳成指日收益序列做出较好的拟合,两种收益序列均具有显著的尖峰厚尾分布特征,而且右尾均比左尾更厚,基于GEV分布和GP分布的VaR测度均比正态分布更优,而且GP分布比GEV分布更优。

目前比较流行的金融市场风险价值研究一般采用日收益数据，并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据，分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模，计算风险价值。通过对VaR的似然比和动态分位数等回测检验，实证分析了各种模型的VaR预测能力。结果显示，使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。