随着我国期货市场的不断发展,期货交易量迅速增大,据美国期货业协会(FIA)2010年上半年统计显示,我国大连、上海和郑州三大商品期货交易所交易量占到了全球商品期货交易量的48.7%。在如此大量的交易之下,如何准确把握商品期货交易过程中的风险,就成为大家所关心的重要问题。基于此,本文运用了基于GARCH族模型与极值理论(EVT)相结合的方法来估计商品期货的动态风险价值(VaR),以便对商品期货的价格变动风险进行测度研究。本文对郑州棉花指数、沪铜指数和大连豆粕指数进行了实证分析,首先用GARCH模型对收益率序列进行过滤,把其中的相关性和异方差性经过处理,得到了条件方差序列和标准残差序列。本文重点探讨了基于极值理论对三种指数的建模分析,进一步在三种不同的条件分布假定下,运用GARCH-N、GARCH-t和GARCH-EVT三种不同方法对各种期货指数进行了模型对比分析,得出各种分布模型下的分位数水平,进而估计出各种模型下的动态VaR。同时本文相互比较了GARCH-EVT、GARCH-M-EVT、GJR-EVT、GJR-M-EVT四种模型对棉花指数的动态VaR估计结果。最后本文对各种模型所估计的动态VaR序列进行了后测检验(Backtesting)。与大多数国内已有的实证发现不同,本文实证结果显示,三种指数的条件分布具有细尾而非胖尾特征；GARCH-N、GARCH-t对于其动态VaR的估计未能通过后测检验,而基于极值分布的GARCH-EVT模型则获得了显著更优的VaR测度精度；GARCH-EVT、GARCH-M-EVT、GJR-EVT、GJR-M-EVT四种模型对棉花指数所估计的动态VaR检验结果表明,这四种模型全部都通过了后测检验,但它们之间并没有显著差异；同时,对三种期货指数的研究表明,极值理论对商品期货的动态VaR估计具有稳健性。