自20世纪70年代以来,随着全球金融市场的迅猛发展,全球金融体系发生了巨大变化,主要表现为金融市场和金融产品的创新,过度的创新以及金融监管的放松导致金融市场的波动性日趋加剧,频频发生的金融危机事件让人们意识到金融风险的不确定性和复杂性。我国的股票市场作为一个起步较晚、正在发展中的新兴资本市场,各方面体制还不完善,容易受到国际资本冲击,潜藏更为剧烈的波动性。为有效预防不可预期的金融风险,市场风险的度量一直是风险管理者和投资者关注的重点。　　 目前,国际上度量市场风险的最主要工具是风险价值(Value at Risk,VaR),其实质上是通过对资产收益率分布的估计,刻画一定置信水平下资产或者资产组合在未来一段时期内所可能遭受的最大损失。然而与其它类型资产不同,实际中大多数金融资产收益率序列具有显著的尖峰厚尾特征。而传统的VaR方法在度量金融风险时,常假定资产收益率序列服从正态分布,忽略了尖峰厚尾性,即对极值事件考虑不足,导致了极端风险(Extreme Risk)的低估。虽然极端事件发生的概率很低,但其引发的风险是巨大的,有时甚至是灾难性的。因此,对金融风险管理者和投资者来说,极端事件尤为值得关注。　　 极值理论(EVT)是研究随机过程的极值分布及其特征的模型技术,对随机过程中的厚尾现象具有突出的针对性。将EVT应用到金融风险管理领域可以弥补VaR对极值事件关注的不足,有利于更精确地度量金融极端风险。　　 本文基于极值理论中的POT模型对我国沪深300股票市场的极端风险进行实证分析,其论证结果无论对投资者、金融机构还是监管当局在面对市场风险时,都具有一定的参考价值和意义。