20世纪70年代初布雷顿森林体系的结束，使人们开始面对更多更频繁的金融风险。在过去的几十年间，已先后爆发了数次震惊全球的大规模金融危机，这些危机给世界经济和金融市场的健康发展造成了巨大的破坏，促使我们开始关注金融风险的度量和控制等问题，逐步意识到金融风险管理的必要性和紧迫性。目前，作为金融市场风险测度方法的主流方法在险价值(VaR)方法已经被广泛的应用到了金融市场的各个领域。如何准确的测算在险价值，成为当前金融市场风险研究的一个重要课题。　　 本文的研究内容针对金融风险的测度问题，试图在分析现有金融市场风险测量技术的理论基础，并认真分析最新研究成果的基础上，使用现代智能算法神经网络算法结合在险价值方法建立更为准确的金融风险测度模型。本文采用的研究方法是理论与应用相结合，多个模型互相比较的方法。本论文在文献学习的基础上，结合实际，从另外一个角度提出了一个VaR计算方法，使之更为符合实际。论文最后，使用了真实的市场数据进行分析论证，实现了理论与实践相结合。通过本文在模型建立后，通过对各模型的比较分析，得出结论，证明了基于神经网络的风险计量模型的优越性及有效性。在技术路线方面，本文将神经网络理论与分布拟合结合到一起，通过蒙特卡洛模拟运用到VaR的计算当中，提出了基于神经网络的风险计量模型，并使用Matlab进行编程实现。最后以沪深300指数为样本，选取了参数方法、历史模拟法以及GARCH-VaR这些典型的VaR测量方法，与本文所建立的模型一起进行应用分析，并对比其结果。　　 研究取得了以下的成果　　 1、引入神经网络拟合收益序列实际分布，建立基于神经网络的VaR计算模型。　　 2、详细描述基于神经网络的VaR计算模型的求解步骤，并结合Matlab编程实现。　　 3、将此模型与参数方法、历史模拟法、GARCH- VaR方法使用沪深300指数进行应用分析，并对结果进行检验分析，论证其有效性以及合理性。　　 鉴于内容与时间所限，本文的研究还有一些方面可以深入以及作为后续研究：　　 1、其他资本市场VaR值的测定，比如债券市场，利率市场，金融衍生品市场。　　 2、CVaR值的估计，也就是在一定置信水平下的期望损失。　　 3、不同的置信水平以及不同的持有期，模型所测定的VaR的准确度。