金融市场波动性的研究在经济和金融领域一直占据重要地位，金融风险的危害性已越来越被重视，金融风险评估及其定量分析已成为风险管理的核心。随着高频数据的可得性越来越强，基于高频数据的已实现波动测度成为波动率研究的前沿问题，而如何用已实现波动测度更好地分析中国股指期货波动率尚待检验。基于这种情况，本文对RealGARCH模型形式进行了拓展，并引入多种非参数方法实现模型估计，基于几类不同的RealGARCH模型对高频环境下的沪深300股指期货波动率与风险测度进行了比较研究。　　本文突破传统的低频GARCH族模型限制，基于5分钟高频数据对我国沪深300股指期货的波动率与VaR进行测度。首先，用参数RealGARCH模型对沪深300股指期货收益率进行了波动率和VaR(ES)测度;其次，将RealGARCH模型推广至多种半参数形式并参考半参数法和分位数回归给出了对应算法，实现了波动率和VaR测度;然后，进一步将RealGARCH模型推广至多元情形，应用于投资组合风险测度;最后，基于不同的损失函数，分别从波动率和VaR测度结果对不同模型进行了测度效果比较与评价。　　基于相关理论介绍与实证分析，本文对沪深300股指期货的实证分析显示，各模型在对不同收益率建模时结果差异较大。参数RealGARCH模型中，无论正态分布还是非正态分布下都是RealGARCH(RV)的波动率测度效果最好。半参数RealGARCH模型中，波动方程半参数的RealGARCH的波动率测度效果最好。各种方法综合来看，简单对数线性RealGARCH和分位数回归RealGARCH模型更适合测度极端损失风险。此外，沪深300股指期货与现货市场存在高度正相关关系与波动溢出效应，且联合波动性具有较强的持续性。基于DCC-RealGARCH求得的VaR能较为准确的刻画资产组合的在险价值，投资于股指期货市场的比重越低，对应风险测度的准确性越高。