随着经济全球化的趋势日渐显著,各个股票市场的波动变化也存在着千丝万缕的联系。对于发展中的中国来说,经济一体化带来了更多的机会与资源,使中国在短时间内实现了经济的跨越式增长。但是另一发面,中国乃至全世界所面临的经济环境更加复杂多变,风险日益增加。因此,只有掌握股市的波动性规律,尤其是在极端时期的市场波动状况,才能有效地的预测风险、规避风险。金融模型和收益率分布形式的正确选择是估计波动率至关重要的一步。Realized GARCH模型将GARCH模型与已实现波动率结合,用已实现测度来更灵敏地反应波动水平,有效地减轻了传统波动模型中存在的弊端。而NIG分布由于包含了广义双曲列维过程的诸多优点,适用于很多种情况,尤其是市场极端时期。因此,本文采用误差项服从NIG分布的Realized GARCH模型,拟合上证综指的收益率分布和波动率,并与先前使用较为广泛的误差项服从正态分布、t分布、偏t分布的Realized GARCH模型和误差项服从正态分布、t分布、偏t分布、NIG分布的GARCH模型进行对比分析。随后,本文又进一步将样本数据进行了更为细致的划分,根据不同经济形势将整体观测时段分为了金融危机前期、金融危机时期、金融危机后期和中国股市振荡期四个阶段。实证结果证明,在极端情况下,Realized GARCH-NIG模型能够更为精确地描述中国股市的波动性,Realized GARCH模型的预测能力也优于GARCH模型,体现了其在风险模拟以及风险预测方面的优越性。而相比于对总体样本直接建模,将分段后的数据进行分别建模可以更为精准地反映股市的波动状况。同时,在对厚尾分布模型的VaR和ES风险预测结果进行对比后发现,ES风险测量方法可以弥补VaR模型可能会低估厚尾分布模型尾部风险的不足。