不确定性是金融理论研究领域的核心问题之一,风险通常被定义为资产预期收益率在未来的不确定性,然而不确定性会表现为两种结果：实际收益率高于预期收益率、实际收益率低于预期收益率。在实际生活中,人们通常所谓的风险指实际收益率小于预期收益率的情形,即发生损失,在金融机构风险管理中,主要放在控制和应对发生损失的不确定性。VAR作为风险管理的最新发展,可以在统一的框架内综合衡量金融机构不同资产面临的风险,提出不久被广泛应用于金融机构的风险管理中。设计VAR系统的最初目标在于量化金融资产的市场风险,经过学者在理论上拓展和金融机构在实务中的推进,逐步扩展到衡量信用风险等其他类型的风险,金融机构根据持有资产的信用风险,开发出衡量信用风险的内部模型。VAR从最初作为量化市场风险的工具,逐渐发展成为管理各种金融风险的风险管理系统,金融机构通过不断的回测检验VAR,发现存在的问题,改进和优化公司的VAR风险管理系统。在现有的计算VAR方法中,还没有考虑最高价和最低价,仅仅使用收盘价计算对数收益率；对最高价与最低价之间的价格极差建模的AV模型、CARR模型,也没有使用收盘价。因而目前在对收盘价、最高价和最低价的研究处在分离的情况,没有综合考虑,如何在统一的框架下,利用价格极差包含的信息,和收盘价一起估计金融资产的概率分布,特别是描述价格波动程度的方差,成为论文的研究方向。应用参数方法中的GARCH模型计算风险价值VAR,在我国已经取得了丰硕的研究成果,从收益率服从的概率分布到GARCH模型的各种扩展,但由于选取样本存在的差异使得实证结论并不一致。针对现有研究中只对模型细节做变动的情况,作者认为可以从基础变量入手,GARCH模型使用收盘价计算的对数收益率建模,忽略了其他价格包含的信息。最高价与最低价之间的价格极差是交易日内价格变化的范围,包含了价格形成收盘价的波动幅度,可以作为对收盘价的补充,进行建模,因而在以下两个方面创新：首先建立了估计收益率条件方差的极差-GARCH模型。Feller(1951)和Parkinson (1980)在对金融资产价格一定假设的基础上,推导出了使用价格极差估计波动率的公式,从理论上证明了价格极差是波动率的有效代理变量。因而把价格极差引入GARCH模型中的条件方差方程,和收盘价计算的对数收益率一起估计条件方差,提高了GARCH模型中价格变化的信息,改善对条件方差的估计,并尝试利用价格极差解释条件方差的各种特性。其次根据VAR的计算原理,使用极差-GARCH模型估计的条件方差计算VAR预测值。在参数方法计算VAR的三个关键因素中,金融资产波动率具有时变性的特点,使得波动率是最难确定的一个因素。在极差-GARCH模型中,价格极差的引入使得条件方差可以更及时地反映收益率面临的风险,进而可以提高VAR预测值的有效性,降低金融资产可能遭受的损失。在进行基于极差信息的VAR风险管理研究中,采用理论分析和实证方法相结合,在建立理论模型的基础上进行实证分析,以实证分析的结果验证理论模型的合理性。理论分析部分,在VAR计算原理和GARCH模型的核心思想基础上,根据价格极差与方差之间的关系,建立了极差-GARCH模型和相应的VAR计算公式。在实证分析部分,对样本数据进行平稳性检验和ARCH效应检验后,使用GARCH模型和EGARCH模型对收益率的波动性进行实证分析,以GARCH(1,1)模型为基础,对极差-GARCH模型进行实证分析和VAR计算,最后采用Kupiec似然比检验法,对VAR模型的有效性进行了回测检验。我国在2005年进行了上市公司股权分置改革,我国股票市场发生了结构性变化,因而选取了上证综合指数、深证成分指数、中工国际和三一重工在2007年至2010年期间日交易数据作为样本,对GARCH模型和极差-GARCH模型进行实证分析。主要得到以下结论：1、收益率的特点。上证综合指数与深证成分指数的描述统计分析证明,上海股票市场与深圳股票市场在收益率上不存在明显差异；深圳股票市场主要以中小规模的上市公司为主,价格极差表明深圳股票市场的价格波动高于上海股票市场。偏度、峰度和JB统计量的分析表明,收益率拒绝无条件正态分布的一般假设,具有高峰厚尾的特点,存在左偏现象,价格极差也拒绝正态分布的假设,却存在与收益率相反的右偏。收益率与价格极差的走势图表明,极差的大小与收益率的波动幅度存在的对应关系,当收益率波动剧烈时,极差波动也相应剧烈,说明极差包含了日内价格变化的重要信息。ADF平稳性检验和ARCH效应检验,结合收益率的自相关函数和偏自相关函数,证明了收益率近似服从随机游走过程。2、关于GARCH模型的选择。使用EVIEWS5.1软件,对上证综合指数、深证成分指数、中工国际和三一重工的收益率波动性分别进行了GARCH模型、EGARCH模型在条件正态分布和学生t分布情形实证分析,上证综合指数与深证成分指数在四个不同的模型上,实证结果保持了一致性,个股由于各自不同的特点,模型结果出现了差异。上证综合指数、深证成分指数、中工国际与三一重工的实证结果共同表明收益率的波动性存在着时变性、持续性和聚集性等特点,整个股票市场的波动性存在着杠杆效应；两只指数的实证结果表明EGARCH模型在拟合效果上没有对GARCH模型进行明显的改进,两只个股由于各自收益率的特性,四个不同模型没有表现出一致性,学生t分布和EGARCH模型拟合效果反而不如条件正态分布下的GARCH(1,1)模型,与坎贝尔对GARCH族模型的系统比较一致,GARCH(1,1)模型在大多数情况下可以很好地拟合收益率的波动性。3、极差-GARCH模型对GARCH模型的改进。收盘价在众多资产价格中的重要性早已经过学者的演绎和证明,无论是在理论上和实际应用中,都是最重要的价格,然而收盘价作为金融市场交易结束时的价格,仅仅是一个时点的数值,虽然反映了交易者最后交易的结果,对第二天的交易具有重要的参考意义,却忽略了金融资产进行交易形成收盘价的过程,特别是中间波动的范围,即价格极差。价格极差很好地衡量了该段时间内资产价格变化的上下范围,Feller和Parkinson的研究成果共同表明价格极差是波动率的有效代理变量。因而论文建立极差-GARCH模型,具体形式如下：y1=μt+etet=√htztht=a0(?)-(?)+γRt对上述极差-GARCH模型和GACH模型利用上证综合指数、深证成分指数、中工国际和三一重工进行实证分析。上证综合指数、深证成分指数、中工国际与三一重工的极差-GARCH模型相比于GARCH模型,AIC和SC均出现了一定程度的下降,说明极差-GARCH对GARCH存在有效的改进。上证综合指数与深证成分指数的模型系数变化保持了一致性,截距项α0和残差平方的滞后项α1由正数变为负数,条件方差的滞后项系数β1由0.92左右下降为0.1至0.15之间,反映条件方差持续性的α,和β1之和由0.97左右下降为0.10左右,价格极差的影响系数为0.15到0.20之间。以上系数符号的改变和大小变化综合反映价差极差对条件方差的影响,残差平方滞后项对条件方差的影响从正相关变为负相关,特别是条件方差的滞后性系数急剧下降,说明价格极差可以作为条件方差滞后项的替代变量,解释金融资产收益率波动的持续性问题。个股的价格价差虽然同样反映了交易日内股票价格上下波动范围,相对于整个股票市场而言,更容易出现极端值伴随很小的成交量,使得两只个股的价格极差对条件方差的影响没有表现出统一的规律。4、VAR的计算与回测。根据GARCH模型和极差-GARCH模型的条件方差,结合VAR计算原理,论文建立以下对应的VAR计算公式：GARH(1,1)模型：VARt|t=yt-1+√a0+a1et-12+β1ht-1*z1-c极差GARCH(1,1)模型：VARt|t-1=yt-1+(?)+z1-c两个模型计算出的VAR数值的对照分析表明,价格极差作为交易日价格变化上下限的引入,能够使极差-GARCH模型更及时地反映出收益率条件方差的变化,因而条件方差和均值计算出的风险价值VAR能够更好地反映出收益率面临的风险。而GARCH模型在捕捉条件方差变化上相对迟缓,对风险价值的估计更加保守,在VAR的均值意义上小于极差-GARCH模型,即会高估收益率面临的损失。通过Kupiec似然比检验,证明了GARCH模型作为刻画金融资产收益率条件方差的模型,应用于计算风险价值VAR是有效的,能够反映收益率面临的风险。价格极差作为交易日内价格变化的上下限,包含了价格变化波动的重要信息,极差-GARCH模型,相较于GARCH模型能够更加及时灵敏地反映金融资产面临的风险,降低VAR失效的次数,这种改进经过Kupiec似然比检验,证明是有效的。