【摘要】将Expectile引入GARCH族模型,采用贝叶斯方法进行参数估计,进而提出贝叶斯GARCH-Expectile模型,并将其应用于股指期货市场的VaR和ES度量。首先,构建三种具体形式的贝叶斯GARCH-Expectile模型;其次,基于贝叶斯理论设计MCMC算法进行参数估计;最后,选取2010年4月16日至2018年3月21日中国股指期货市场收益率序列进行实证分析。实证结果表明,股指期货风险波动具有自回归特征,并且受前期价格涨跌的不对称影响;相比于CARE模型,GARCH-Expectile模型普遍具有更高的预测绩效;在1%水平下SGARCH模型预测绩效最高,在5%水平下为AR-GARCH模型的预测绩效最高。