各国金融市场国际化程度的不断提高，加剧了国内外金融市场的波动，引起了极端损失事件发生的可能，造成了极大的财务压力和高昂的破产成本风险。在金融市场风险管理中准确地度量极端风险非常重要，目前对极端风险的研究，大都是围绕金融资产收益率的分布形式和波动率展开的，如何构建一个能够准确度量极端VaR值的风险度量模型是本文的研究目的所在。
　　由于传统的EGARCH模型在极端事件中不能很好地刻画分布尾部的极端值，本文基于此模型和Cornish-Fisher展开方法提出了新的EGARCH-CF模型，并运用Cornish-Fisher方法对EGARCH模型的残差分布进行渐近展开。新模型既能体现收益率的波动聚集性又能体现不对称性。应用EGARCH-CF模型和传统的EGARCH模型对神州高铁股票收益率极端风险进行度量，度量结果以及Kupiec回测检验结果表明，EGARCH-CF模型可用于度量极端风险，其度量的极端风险比EGARCH模型更精确。
　　金融资产收益率分布函数常常存在尖峰厚尾的特征，一般的正态、t分布等无法很好地刻画这些性质。在此背景下，本文基于极值理论和已实现的Gamma混合广义误差(GGED)分布，将POT模型中的超额分布用GGED分布近似，构造了POT-GGED模型。POT-GGED模型既具有GGED分布适用灵活的优点，又具有POT模型能够刻画收益率分布尾部极端风险的优点。实证分析中应用POT-GGED模型和已有的POT模型对上证380指数收益率极端VaR值进行度量。实证结果和Kupiec回测检验表明POT-GGED模型能够对上证380指数收益率的极端风险进行度量，在一定程度上，用POT-GGED模型度量极端风险比POT模型更精确。本文提出的两个新模型对度量金融市场中的极端风险提供了参考。