在险价值（Value at Risk，VaR）是指在一定的把握度下（置信水平），在未来一定持有期之内，资产可能面临的最大损失。因此，对于VaR预测的关键在于确定一个置信水平和明确未来的持有期，而置信水平的确定依赖于具体的分布函数，也就是说对金融资产分布的拟合函数直接关系到最终对VaR预测的精确性和可靠性。在VaR的提出之处，常常假定金融资产的分布服从正态分布，显然这与金融资产具有尖峰胖尾的特征不符，而后其他利用较正态分布具有厚尾拟合效果的函数对金融资产进行建模研究，如学生t分布，从而其尾部的拟合得以改善，但是仍然与金融资产的实际分布有所差异。然而，尾部分布正是金融资产所面临的风险所在，尾部的拟合效果直接关系到对VaR预测的成败。在此背景下，有学者运用预测水文领域极端水量变化的极值理论（Extreme Value Theory，EVT）对金融资产价格进行建模，对资产价格的极端变化具有较好的拟合效果。利用极值理论对金融资产所面临的市场价格风险——VaR进行预测也是近年来国内外学者所探讨的重要主题，如Byström（2004）、Bhattacharyya和Ritolia（2008）、Marimoutou和Raggad等（2009）、Guo（2017）、Zhang和Su等（2017）、Bernard等（2017）、肖敬红和缪柏其（2005）、夏龙和何伟（2016）等国内外学者均运用极值理论对VaR进行了探讨，并取得了理想的实证结果。考虑到我国股票市场，尤其是具有创业板和中小企业的深圳股票市场，常常具有剧烈的价格波动，故对其尾部分布进行拟合进而预测其所面临的市场价格风险具有重要的现实意义。因此，结合国内外的相关文献，本书从高频数据视角，在HARQ族模型对已实现波动率建模的基础上对我国股票市场的价格变动风险进行建模研究。

前文实证研究已表明HARQ模型在计量已实现波动率中具有明显优势，因此本书在此基础上展开风险预测研究具有一定的基础。广泛运用的正态分布不足以描述金融收益的尾部特征，而极值理论计算风险时注重对分布尾部的建模，而对整个分布情况进行淡化，从而将关注点集中在尾部，尾部正是极端风险所在。因此，极值理论在具体的分析过程中强调了对风险尾部的计量分析，而没有强调收益率整体的分布情况，这也有利于解决实际问题。本章将同时结合具有刻画极端波动能力的极值理论和考虑了高频交易信息的HARQ族模型，对我国沪深股市及香港股市的VaR进行预测研究，以期拓展HARQ族模型的具体应用。换言之，本章在时变参数异质自回归模型分析的基础上，将进一步结合极值理论对我国股票市场的VaR展开实证分析。(www.daowen.com)

这是本章的引言部分，第二部分将对本书在预测VaR过程中所运用的极值理论进行详细阐述，并对VaR的预测及其检验的相关理论进行详细介绍，进而构建HARQ方法结合极值理论的VaR预测模型。第三部分是实证内容，将运用所构建的模型，并在前一章研究的基础上，从高频数据视角对我国沪市、深市及港市所面临的VaR进行建模分析，并对实证分析结果进行有效性和稳健性检验。最后对基于时变参数异质自回归模型及极值理论对我国股票市场VaR的预测结果进行总结分析。