在金融市场典型事实约束下，运用 ARFIMA-FIAPARCH 模型和极值理论分别对条件波动率和标准收益极端尾部建模，计算出各股市的极端风险，进而探讨在不同的市场波动状态下中外股市的极端风险传染效应及其变化规律。通过实证研究发现，沪、深、港三个中国股市之间的极端风险传染效应在剧烈波动期强于相对平静期，熊市期间强于牛市期间。同样地，三个国外股市之间的极端风险传染效应剧烈波动期强于相对平静期，熊市强于牛市。但是，中外股市之间的风险传染效应与上述结论相反，即相对平静期强于剧烈波动期，牛市强于熊市。

在金融市场典型事实约束下，运用 ARFIMA-FIAPARCH 模型和极值理论分别对条件波动率和标准收益极端尾部建模，计算出各股市的极端风险，进而探讨在不同的市场波动状态下中外股市的极端风险传染效应及其变化规律。通过实证研究发现，沪、深、港三个中国股市之间的极端风险传染效应在剧烈波动期强于相对平静期，熊市期间强于牛市期间。同样地，三个国外股市之间的极端风险传染效应剧烈波动期强于相对平静期，熊市强于牛市。但是，中外股市之间的风险传染效应与上述结论相反，即相对平静期强于剧烈波动期，牛市强于熊市。

金融收益率分布的肥尾已广为人知，并发展了许多模型来刻画肥尾。另一个特征，即 分布是有偏的，却受到较少关注。我们运用Fernandez-Steel 方法，在对称分布的基础上构 造出有偏分布，并结合APARCH 模型，研究波动率的预测。实证结果发现，有偏性对波动率 模型的拟合和预测都有显著影响，向前预测的步数越多，影响越明显。

广义自回归条件异方差（GARCH）族模型已得到了极大的丰富和发展。然而，随之而来的一个问题是实际应用中究竟应选择怎样的异方差结构。本文从波动性预测的角度，以股权分置改革之后中国股票市场的指数数据为样本，对10类常见的GARCH类结构进行了实证研究。与现有研究不同的是，为了减少参数估计的效率损失对模型绩效评价的影响，研究中利用估计函数方法——一种效率较高的半参数方法进行参数估计。此外，还分别使用最小二乘方法和SPA检验法进行绩效评价，以期给出统计意义下的结果，并减少“数据窥察”（DataSnooping）问题。结果发现，与其它GARCH类结构相比，指数GARCH（EGARCH）和非对称幂GARCH（APARCH）模型能够更好地描述金融资产收益率的波动过程。

金融收益率分布的肥尾已广为人知，并发展了许多模型来刻画肥尾。另一个特征，即分布是有偏的，却受到较少关注。我们运用Fernandez-Steel方法，在对称分布的基础上构造出有偏分布，并结合APARCH模型，研究波动率的预测。实证结果发现，有偏性对波动率模型的拟合和预测都有显著影响，向前预测的步数越多，影响越明显。

本文应用APARCH模型在三种分布假设下对上证综合指数进行了拟合以计算上证综合指数的VaR风险值，然后把它与应用GARCH模型的估计结果进行比较分析。通过返回检验，我们发现，APARCH应用于VaR估计是统计有效的，并且明显优于GARHC模型。