风险管理的核心是对风险的定量计算，即风险度量。VaR方法作为金融风险的计量工具已得到金融界的广泛认可。VaR估算准确的前提是收益率分布统计特性的正确描述。在正常市场情况下，金融资产的交易数据比较准确，VaR模型度量的风险较为可靠。但当市场处于非正常情况下，金融资产交易的不确定性猛增，资产价格的关联性破坏，资产的流动性丧失。也就是说此时可靠的交易数据不可得，在这样的情况下，VaR模型就无法准确有效地衡量风险。因而为了对金融极端事件准确地度量，就要对收益率分布尾部进行建模，其重点在于对市场极端数据进行适当的处理，而不是简单地对整个分布建模，极值理论则提供了一个分析研究尾部分布的合适框架。 本文主要研究了极值理论在VaR估算中的应用，选用上证指数作为我们的实证研究对象，系统研究分析了其收益率的统计分布特征，运用极值理论对收益率的尾部进行建模，借助Matlab和Eviews软件估计了参数进而估算了VaR，并与运用GARCH，Var-Cov和历史模拟法等方法估算的VaR进行比较，研究模型的选择和极值理论的稳健性。重点探讨不同方法对计算VaR估算值的影响，并对采用不同的估算方法所得的结果进行后验比较分析。