本文根据金融资产收益率的特征：不服从正态分布，尾部具有明显的厚尾特点，且上下尾的收益分布具有明显的不对称既有杠杆效应，着重研究分布的尾部情况，因为分布尾部反映的是潜在的灾难性事件导致的重大损失，这正是风险管理者要关注的。本文用极值理论对金融资产收益率尾部分布进行建模。当用极值理论对金融资产收益率尾部分布进行建模时，金融资产收益率时间序列必须是近似的独立同分布的而现实的金融资产收益率时间序列具有自相关关系不满足独立同分布。而有研究表明金融资产收益率的标准残差序列满足独立同分布，所以应用极值理论对金融资产收益率的标准残差序列尾部分布进行建模比对金融资产收益率尾部分布进行建模更加准确可靠。用ARMA(具体的是AR，MR或ARMA根据具体的数据的特征来决定)模型来描述金融资产收益率的自相关关系从而得到条件均值，应用GARCH类模型中的EARCH来描述金融资产收益率的非对称性(杠杆效应)得到残差条件方差。用条件均值，残差条件方差得到股市指数收益的条件均值，条件方差再利用公式Zxt=Xt-ut/σt就可以得到金融资产收益率的标准化序列其中ut=E(xt)序列的条件均值，σxt=Var(xt)为序列的条件方差。然后在利用极值理论建立下尾的风险模型，在建模时，介绍了三种参数估计方法极大似然估计法，Dehaan法和矩法，实际操作中用了Dehaan法和矩法，最后得出在不同的概率水平下的风险值并验证结果的合理性以及对比两种方法的优越性。