风险管理的基础和核心是对风险的定量分析和评估，即风险测量。随着金融市场和金融交易的规模、动态性和复杂性的增加，金融理论、金融工程学和数理金融学的发展，金融市场风险测量技术也变得更为综合、复杂。VaR方法目前已经成为风险管理的标准方法，并广泛应用于证券公司、投资银行、商业银行、养老基金及非金融企业。 基于极值理论的VaR方法是测量极端市场情况下风险损失的常用方法，是VaR理论实践的最新成果，与传统的VaR方法相比，它更多地利用了统计理论和方法。考虑到金融时间序列的波动性，本文应用基于条件极值分布的VaR估计法，即在单纯采用极值理论的基础上，引入处理时间序列常用的GARCH模型对文中所选取的上证综指、深证成指、香港恒指、标准普尔500指数、伦敦指数以及日经指数6个全球具有代表性的股票指数收益率序列进行预处理，进而研究各股票指数所对应的市场风险(VaR)。 论文首先阐述了相关研究背景及国内外研究状况，接着分别介绍了传统VaR理论体系、条件异方差模型和极值理论，从而引出本文所用的基于条件极值分布的VaR估计方法，并利用此方法估计出各股指收益率序列的VaR值，最后与传统VaR方法的估计结果进行对比。实证表明条件极值方法具有很好的拟合效果，与传统的VaR估计方法相比，条件极值方法有效地考虑到近年来中国的股票市场的超额收益波动减小这一因素的影响，能够根据市场情况及时更新，从而更为准确地估计金融市场风险。