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。

基于金融时间序列的实际分布的尾部明显更厚，而峰度则更高的特征，我们可以运用在不同的分布假定下的GARCH模型的VaR计算方法来对市场的风险进行分析。本文利用GARCH族模型以国际原油期货的日收益率数据分别在t-分布和广义误差分布(GED)条件下来度量原油期货的在险价值VaR。在验证了多个模型和二种分布组合之后，得出了GARCH(1,1)-t分布模型对原油期货能较好的拟合和反映出国际原油期货收益率的风险特征性。

本文运用GARCH族模型，以中国A股市场较有代表性的沪深300指数作为研究对象，对中国股市价格波动中存在的条件异方差性和正负冲击对股价波动影响的不对称性进行检验，结果表明在样本期内，我国股价波动存在明显的条件异方差性，但是并未发现正负冲击对股价波动影响的不对称性。

以权证市场的10只产品为例，研究探讨了我国权证产品的波动特征以及相应的风险测度VaR模型，同时运用更加严谨和稳健的Kupic LR检验以及动态分位数回归（Dynamic quantile regression）检验法，对各类不同波动模型和收益分布假定下的VaR估计精度进行了深入的后验分析（Backtesting）。主要实证结果显示，能够刻画波动的非对称杠杆效应以及假定新生量服从“有偏学生分布”的VaR测度模型能更好地刻画我国权证市场的风险状况，但并没有发现能够普遍适用于所有权证产品的VaR计算模型存在。