随着国内外金融市场的不断扩张,金融参与者和金融研究者越来越关注和重视各类金融市场的风险度量和风险管理。我国金融市场现在发展的较为壮大,对风险的把控不容忽视,各市场的风险管理水平也应不断提升。现阶段风险度量应用的主要方法是在险价值（VaR）,VaR不仅可以衡量单只股票或基金的风险,还能够度量较复杂的投资组合的市场风险,是较全面的市场风险度量工具。本文应用VaR方法度量风险。一般在进行风险度量时往往假设金融时间序列的收益率的服从正态分布,而实际的金融时间数据常有尖峰厚尾的特征,基于正态分布的假设会低估风险。同时,VaR关注下尾的损失状况,极值理论作为一种有效衡量极端事件的方法,能够捕捉数据分布的尾部特征,有助于度量极端事件下的尾部风险。此外,非线性期望理论是在模型不确定性的问题上提出的,能更符合现实问题。本文尝试利用次线性期望空间中的G-正态分布应用到金融数据的处理中,建立GARCH-G-VaR模型,探索该模型在风险度量中的应用效果。本文以我国的行业指数作为研究对象,选取中证行业指数里的四个行业指数为研究样本,探究四个行业指数风险情况。利用四个行业指数的日收盘价数据计算得到日对数收益率序列,对收益率序列进行一系列的检验,根据检验结果建模。在建模阶段,本文使用到GARCH类模型建模,建立GARCH类模型后对模型进行参数显著性检验及ARCH检验,以保证模型的有效性。选择适当的模型后,基于各个模型估计四个行业指数的VaR值。此外,考虑到极端事件在度量风险过程中的影响,引入极值理论刻画四个行业指数收益率序列分布的尾部形状,应用方法为极值理论中常用的POT模型,结合GARCH建立成GARCH-EVT模型。同时,考虑到将使用GARCH模型后的残差分布的不确定性,将其假设为次线性期望空间下的G-正态分布,计算GARCH-G-VaR。为了评估风险度量的效果,在95%和99%的置信水平下将GARCH类模型、GARCH-EVT模型和GARCH-G-VaR模型进行对比分析,结合Kupiec失败率检验对估计的VaR值的准确性进行检验。实证结果表明:当置信水平为95%时,GARCH-EVT模型估计的VaR值的效果和GARCH类模型估计的VaR值的效果差距不明显,在评估不同行业指数风险时模型各有优劣,GARCH-G-VaR模型相较于其他两种模型在95%的置信水平下对VaR的计算更加保守。当置信水平为99%时,对四个行业指数来说,GARCH-G-VaR模型和GARCH-EVT模型能准确的估计VaR值,相比较下GARCH-G-VaR模型的效果要优于GARCH-EVT模模型。这说明在较高的置信水平下,GARCH-G-VaR模型在风险度量的应用效果较好。