随着金融市场波动的日益加剧，有效控制金融市场风险成为国内外学者热衷的研究方向。针对学者们提出的波动模型，如何提高模型求解精度成为研究的重点。BHHH算法是一种经典的求解波动模型的算法；智能计算方法是被学者们广泛关注的新型求解方法。王春峰等人发表的论文[11]较早地提出用遗传算法求解波动模型。本文尝试扩展遗传算法的应用范围，主要做了以下两点的创新工作：第一，扩展了遗传算法的应用范围，不仅应用于线性GARCH(1,1)模型中，而且还创新地应用于非线性EGARCH(1,1)模型中；第二，不同的金融市场波动性的特点有所不同，本文以我国证券市场为研究对象，对遗传算法和BHHH算法在我国证券市场风险测量中的应用进行了实证研究和对比分析，得到理想的模型参数。 遗传算法是一种抽象的智能计算方法，在与具体问题结合时需要在很多方面进行实验以确定最佳参数。本文在这方面做了大量的尝试，成功地将遗传算法应用到GARCH(1,1)和EGARCH(1,1)模型中，通过大量的实验，得到了很好的结果。 本文通过对遗传算法和BHHH算法的实证分析得出如下结论：与传统算法-BHHH算法相比，利用遗传算法测量我国证券市场风险，可以得到更佳的VaR值；针对线性VaR-GARCH模型，遗传算法下得到的VaR值可以覆盖我国证券市场风险，其覆盖市场风险的效果并不差于传统算法-BHHH算法下得到的VaR值，但在波动频繁风险大的深圳市场，遗传算法的全局搜索能力将受到考验；针对非线性VaR-EGARCH模型，遗传算法下得到的VaR值可以更好地覆盖我国证券市场的风险，做到事先预防风险；但BHHH算法下得到的VaR值严重低估了市场真实风险，令交易者陷于困境。