【目的】对股票市场的 VaR 动态风险价值进行研究。【方法】采用小波多分辨技术将高频已实现波动率分解为近似信号和细节信号,建立 MRA-RV-ARFIMAGARCH-VaR 类模型,分别在 1~2d 、 2~4d 、 4~8d 和 8~16d 的尺度下进行动态风险价值度量。【结果】实证表明该模型能很好地捕捉到市场的信息,对风险预测效果较好。【结论】经过多分辨分解后的信号能有效地捕捉到不同时间尺度上的波动信息,近似信号能很好的反应波动的变化趋势,资产波动对短期交易反应敏感,不同时间尺度拟合的 VaR 比低频 GARCH 类模型效果更好。