VaR指的是，在一定概率水平下，金融资产在未来特定一段时间的最大可能损失，它在风险度量、风险控制和风险监管等方面都具有众多优点，现已逐渐成为全球金融机构风险管理的主流方法。尽管对VaR的研究与应用在国外已逐渐完善成熟，但因中国证券市场的独特国情，VaR方法在我国的应用与国外还存在着一定差距，将VaR运用于中国证券市场的风险价值计量仍有待进一步发展和研究。分位数回归是一种半参数方法，它采用最小一乘回归的最优化途径估计参数，不需要进行正态分布的假设和分布参数的设定，适合我国金融时间序列的尖峰厚尾特征，在金融风险价值度量方面有着明显优势。因此，如何结合中国的实际国情，建立基于分位数回归的VaR风险计量模型，具有十分重要的理论和现实意义。　　本文将分位数回归方法应用于中国证券市场风险价值的分析，主要从两个方面对中国证券市场的风险计量模型进行了研究和扩展:　　第一，基于分位数回归VaR模型的中国证券市场风险价值研究:在综合考虑金融收益序列的尖峰厚尾性、有偏性、波动集聚性和杠杆效应的基础上，本文将分位数回归半参数方法应用于VaR风险计量模型中，采用分位数回归VaR模型，选取具有代表性的上证综指获得不同持有期的收益率序列进行实证，建立在正态分布、t-分布、广义误差分布假设下的GARCH、TARCH、EGARCH、 PARCH模型及相应的ARCH-M族模型，计算VaR值，并用返回检验法对模型的估计效果进行检验。通过比较不同假设条件下的模型估计效果，发现分位数回归VaR模型对残差的模型假设和分布形式不敏感，具有良好的普适性。此外，持有期越长，VaR值越大，模型的估计效果越好。　　第二，基于CAViaR方法的中国证券市场风险价值研究:CAViaR模型作为一种条件自回归风险值方法，常被应用于金融市场风险价值的研究。考虑到市场冲击对风险影响的不对称性和收益率可能存在一个自回归均值项，本文提出了若干CAViaR的扩展模型，用于研究金融市场的风险度量，主要包括非对称间接TARCH模型(AIT)及带AR项的间接GARCH模型(AR-IG)。此外，本文在外生变量的选择方面也做了充分考虑，引入波动率作为外生解释变量，提出两类CAViaR-Volatility模型(SAV-Volatility和IG-Volatility)。实证研究表明:本文提出的若干扩展模型在样本外的预测方面表现得更好，预测效果有显著提高，模型更具有稳定性;极端分位水平下，更低分位点的预测效果较好，表明极端市场信息对风险价值的影响更显著;研究还表明波动率和VaR存在负相关关系，波动率上升，预期VaR会降低。　　本文将分位数回归应用于中国证券市场风险价值的研究综合表明了，分位数回归方法不对收益的分布作任何假设，不受中国金融时间序列的尖峰厚尾性的影响，能够准确反映市场风险的变化，使得以分位数回归为基本思想建立的分位数回归VaR模型和CAViaR模型都非常适用于中国的实际情况。