中国股票市场的收益率存在尖峰厚尾和波动集群的特征,可以用GARCH模型簇予以刻画.该文在三种分布假设下(Normal,Student,和GED),研究了五种GARCH(1,1)模型(GARCH,GARCH-M,IGARCH,GJR,APARCH)在中国证券市场的拟合和预测表现.该文通过比较,试图找出影响拟合和预测效果的可能的因素:条件方差的非对称性,厚尾分布等.该文还在GARCH模型的基础上,提出条件VaR的概念,并通过实证研究,比较了条件VaR和传统静态VaR的优劣.该文主要研究结论是:1、分布假设对GARCH模型簇在证券市场上的准确应用有着重要的影响.实证研究表明:无论是样本内拟合,还是样本外预测,厚尾分布(Student,GED)假设优于正态分布假设.Kolmogorov-Smirnov非参数检验结果支持厚尾分布假设,不支持对分布进行的正态性假设.2、在模型的选择上,非对称模型(APARCH,GJR)明显优于对称的GARCH模型.特别是APARCH模型,由于其模型设计上的灵活性和包容性,使其成为最优模型.3、APARCH模型和GED分布假设相结合,预测能力表现最佳.作者推荐在中国证券市场上使用APARCH-GED模型.4、通过对非对称GARCH模型和分数积分GARCH模型的研究证实,中国证券市场存在显著的"杠杆效应"和波动长期记忆的特征.5、实证研究表明,基于GARCH模型的条件VaR优于传统静态VaR.条件VaR更好地度量了市场风险,特别是对于极端风险的度量.