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。

选取了上证综合指数、深证成份指数、上证工业指数、上海商业指数、上海地产指数、公共事业指数、四川长虹、深发展A八个从1997.1.2―2001.12.31样本序列。分别进行了序列的性质分析，并根据序列的性质为它们建立了ARFIMA（p,d,q）模型，并进行了预测。结果表明，ARFIMA模型在中国股票市场对收益序列的预测是失败的。

摘要： 针对 R/S 系列分析方法在估计 H 参数时存在一定偏差，从而导致分析结论产生分歧的问题，提出用非线性估计方法提高R/S系列分析估计H参数的精确度，同时结合ARFIMA模型对估计精度进行了验证.最后应用非线性R/S方法揭示中国股市主要指数和个股收益序列中的长期记忆效应.