VaR作为一种新兴的风险度量方法，较之传统的风险度量方法，如情景模拟法、压力测试法、灵敏度方法等，因其方法直观、结果量化、易懂等特点，受到风险管理者们的青睐，也得到众多学者的研究。本文首先介绍了VaR的基本理论及一些传统的计算方法，随后，选择上证180指数、深圳成份指数和香港恒生指数为研究对象，对这些指数的收益率序列进行了基本的统计分析，表明这些市场的收益率序列具有尖峰厚尾性和具有ARCH效应，因此认为对这三个市场使用GARCH族模型是合适的。接着，使用GARCH模型和APARCH模型在正态分布、t分布、GED分布、偏态分布和偏态GED分布下来计算各个指数的VaR值，作了初步的模型和结果分析，同时，使用MCMC方法来估计GARCH模型的参数，并与传统的极大似然估计法来比较。在本文的最后，将多个回测方法结合在一起，从准确性、保守性和有效性等三个方面来评价各模型，得出的主要结论有：(1)由于通过三个证券市场的收益率数据所计算的APARCH模型的参数1均非零，且为正值，说明上海、深圳和香港证券市场都存在明显的“杠杆效应”。(2)利用MCMC方法来估计GARCH模型的参数，在不同置信水平下，对上证180指数和恒生指数进行VaR的计算，表明GARCH-N-MCMC模型的有效性比另外两个模型高，在模型准确性得到保证的前提下，使用该方法，可以让投资者有最小的准备金机会成本。(3) APARCH模型与GARCH模型的比较：当置信水平较高时，一方面，APARCH模型在准确性和有效性方面比GARCH模型有所提高，但同时APARCH模型也相对保守些；另一方面，基于偏态广义误差分布的APARCH模型更能捕捉到金融市场的各种特性，如波动聚集性，尖峰厚尾性等，且APARCH模型较GARCH模型更有效，采用APARCH模型结合偏态分布来分析计算这三个市场的VaR值效果更好。本文对VaR的计算方法作了一些尝试，期望能给风险管理者提供一些决策支撑。