当今,精确模拟资产价格行为仍然是金融研究中的一个重要问题。当非正常事件或者冲击频繁出现时,资产价格会有大幅度、不连续的波动,金融市场波动对市场参与者来说是一种风险,所以我们选取能够精准刻画股价跳跃行为的模型,通过构建模型来估计风险价值(VaR)的准确性具有重要意义。在计算VaR时,经常会采用一些参数方法、非参数方法等,但这些方法并没有考虑到收益率分布的尾部特征。本文通过构建GARCHJump类模型,并结合尾部建模来估计VaR,从而选取适用于描述中国股票市场的最优模型。首先,对收益率数据进行预处理,发现数据的分布均具有尖峰厚尾的形态,且存在异方差。其次,对其构建基本的GARCH-Jump模型,使用极大似然估计的方法对参数进行估计,同时采用极值理论对数据的尾部分布进行建模。然后通过选取合适的高阈值来构建序列中的极端值,极端值的构建有两种方法:分别是块极大值方法和超阈值方法,由于超阈值方法选取可以同时考虑到收益率的所有数据,所以本文采用超阈值方法POT模型对尾部行为进行描述。最后,将GARCH-Jump类模型和POT模型进行结合,计算出每日的VaR,并根据VaR估计的失败率判断模型拟合的优劣。在实证研究中,选取了三只指数:沪深300指数、创业板300指数和恒生指数。在不同的显著性水平下,利用广义帕累托分布(GPD)构造了VaR的计算公式,并将计算结果进行对比,发现ARJI-GARCH-Jump模型的拟合效果最优。同时为了表明极值理论在风险管理中的重要作用,通过普通的参数法计算VaR与上述结果进行对比,说明POT模型的加成提高了VaR估计的准确性。