经济一体化和金融全球化的发展，将各个国家的金融市场紧密的联系起来。金融市场的开放给投资者和金融机构带来了更多的选择和机遇，但同时也使金融机构和投资者面临更多的风险。因此，为确保经济的平稳发展，必须做好金融安全的维护工作和金融风险的防控工作。随着金融市场的多样化发展，对金融风险度量方法准确性的要求也越来越严格，如何有效的测量金融风险成为一个关键问题。VaR模型作为一种风险的主流测量方法，自提出后便广泛被各大金融机构及监管部门应用于风险管理。近年来，为寻找有效的VaR估计方法，国内外学者相继开始尝试用各种不同的方法进行VaR风险度量。按照统计学理论来说，VaR是一个与收益率序列尾部分布相对应的分位数，可以用分位数回归模型来度量。分位数回归模型不用事先对收益率序列的分布特征作出假设，对于处理具有尖峰厚尾分布特征的金融数据有一定的优越性，可以很好的刻画极端事件。
　　为找到多期VaR风险度量的有效方法，考虑到金融数据尖峰厚尾等分布特征，本文基于不同的分布假设，以S&P500、香港恒生指数和上证综指为研究对象，讨论了多期VaR风险度量的三种方法:GARCH模型、QR-GARCH模型和QR-SV模型。为比较各种方法的有效性，本文借助平均误差和似然比检验方法对三种方法的多期VaR风险度量结果进行了回测检验。
　　本文的结论为:第一，基于QR-GARCH模型的多期VaR估计结果优于基于GARCH模型的多期VaR估计结果。GARCH类模型中，GARCH-T模型的表现最差，且严重高估了风险。而分位数回模归型与GARCH-T模型的结合，大大提升了其准确性。第二，对于不同的样本数据及置信水平，推荐使用的模型不同。在95％的置信水平下，对于S&P500和上证综指来说，QR-GARCH-GED模型的表现最好，对于香港恒生指数来说，QR-GARCH-T模型的表现最好。在99％的置信水平下，对于三组样本数据来说，表现最好的模型均是QR-GARCH-N模型。第三，应用不需对分布特征作出假设的分位数回归模型，可以缩小不同分布假设下VaR风险度量结果的差异。第四，在有效性方面，基于QR-GARCH模型的多期VaR估计结果优于基于QR-SV模型的多期VaR估计结果。但是，在模型选取的稳定性方面，QR-SV模型有更好的表现。