VaR (Value at risk) 是近年国际上流行的一种金融风险量化技术，并已逐渐演化成金融市场的风险度量标准。同时许多研究发现金融资产的回报分布并非服从正态分布，而具有分布的厚尾性 (Fat tail)、波动的集聚性(异方差)等特征，而传统的VaR方法中的参数分析法通常基于正态分布的假设下。 考虑到金融时间序列的厚尾和波动条件异方差的特征，本文结合VaR方法和GARCH模型，考虑不同分布下的GARCH模型，主要在详细介绍金融市场风险测量工具——VaR方法的基础上，研究基于GARCH模型的VaR方法，分析五种GARCH模型(GARCH、TARCH、EGARCH、PARCH和GARCH-M)的特点，总结了GARCH模型的参数估计方法，进而对模型进行实证研究，比较几种GARCH模型在正态分布、t 分布和广义误差分布(GED)下对我国沪市股票市场的波动分析和风险测量，评价各种模型在中国市场的有效性，得到了较为有意义的研究结果。首先，上证综合指数日收益率严格来说是不服从正态分布的，广义误差分布(GED)要优于其它两种分布，提高了VaR的计算精度。其次，上证综合指数日收益率存在条件异方差的现象，同时也存在“杠杆效应”，在计算VaR的过程中应予以考虑。