中国股市经过二十几年的发展取得了一定的成效,但是相比于国外成熟的股票市场依然具有一定的不稳定性,金融市场中的暴跌事件十分频繁,股指收益率序列也表现出较强的波动率聚集和跳跃震荡现象,相应的股崩与暴跌风险也随之更高。这种尾部风险是传统的高斯异方差模型所不能捕捉的。中国股市与美国市场相比,也存在显著的波动率聚集和非对称效应,熊市中利空消息带来的不确定性致使投资者要求获得更高的期望收益率,这种杠杆效应是导致暴跌的重要因素之一。近年来,Levy-GARCH模型能够刻画不同的跳跃行为、杠杆效应和非对称条件异方差特征,在资产定价和风险管理方面都有很好的表现,在金融中应用越来越广泛。国内已有众多关于条件波动率模型驱动的尾部风险度量的研究,但是同时全面考虑波动率非对称回馈效应和跳跃形态的尾部风险度量的研究比较少。金融异象股崩情况下的资产收益率序列会表现出波动率聚集和剧烈震荡现象,传统采用正态分布假设下参数估计法计算在险价值往往会产生较大偏差,本文将同时考虑条件异方差模型下跳跃形态和非对称回馈效应,研究模型在参数拟合和在险价值评估等方面的表现,并基于例外值和尾部分布密度检测的回溯测试对在险值的测量效果进行评价。首先,介绍带杠杆效应和跳跃行为的Levy-GARCH模型,介绍傅里叶变换的极大似然估计方法,并检验收益率数据的尾部分布情况和投资者在不同时段对股市震荡的非对称反馈情况；其次,在上述参数估计的基础上用VaR和AVaR的方法对收益率的尾部风险进行度量,比较二者在股崩情况下的差异；最后,用基于例外值检测的Christoffersen似然比检验和基于密度函数分布的Berkowitz的似然比检验法对各个模型下的在险估值进行比较,评价跳跃形态和非对称回馈效应对在险价值度量的影响。之后为本文的结论。本文的研究结果表明：跳跃行为和杠杆效应在收益率的拟合中都是不可缺少的重要元素,且无穷跳跃和NGARCH模型的组合表现最好；而非对称GARCH模型中,非仿射模型的拟合和预测都比仿射HN-GARCH更优；在暴跌情形下VaR值将严重低估市场的尾部风险；VG跳跃在度量风险值时与历史数据的结果最为接近,而MJ和CTS跳跃的GARCH模型则较为保守,无穷跳跃在收益率拟合、预测和风险度量方面起着至关重要的作用。本文的主要特色有：(1)研究了20种常见的Levy-GARCH模型的收益率预测及尾部风险度量问题,包含了5种不同跳跃行为和4种不同杠杆效应的GARCH模型,所研究的模型极为全面；(2)基于Levy-GARCH的条件特征函数给出了傅里叶变换的极大似然函数,推导了VaR和AVaR尾部风险测度的封闭表达式,并从收益率预测、拟合和尾部风险度量三个程度考察模型的优劣,结论更加可靠。未来可采用更适合股崩厚尾分布的跳跃形态修正波动率模型,也可用更加优良的估计方法估计GARCH及其衍生模型的参数,以检验股市的杠杆效应或者非对称回馈效应的显著性。