2010年4月16日,我国推出了沪深300股指期货,在其推出以后,沪深300股指期货交易比较活跃,运行也较为平稳,但是在风险的度量及预测方面的研究略显不足。VaR作为一种度量风险的指标,其应用较为广泛,国内外专家学者对其也有较多的研究。为了测度中国股指期货VaR风险,选择中国股指期货当月连续IFO日对数收益率数据作为研究对象,首先对收益率序列进行了基本的统计分析,结果表明,中国股指期货对数收益率序列具有尖峰厚尾的特征,并具有ARCH效应,因此认为可以对此时间序列数据运用GARCH族模型来克服其异方差性。介绍并选用了GARCH族模型中的GARCH-N,GARCH-t,GARCH-GED,TARCH与EGARCH模型度量了中国股指期货的风险,即其VaR数值,并根据各模型系数讨论了中国股指期货的杠杆效应等风险特征。同时,文章还引入了神经网络中较为新颖的混合密度网络模型(MDN模型)对中国股指期货的风险VaR进行考察。作为神经网络的一支,它特有的学习特性可以很好地拟合时间序列的事变特征,从而具有良好的预测能力。最后将GARCH族模型与混合密度网络模型得到的VaR值进行了准确性检验——Kupiec失败频率检验,发现GARCH-GED、EGARCH与混合密度网络模型可以较为准确地预测中国股指期货的风险VaR值。