金融市场汇率、利率波动的加剧以及极端金融事件的发生使得金融风险管理越来越重要。而VaR和CVaR已经成为最广泛认可的风险度量工具，现已被大量应用于金融风险管理的研究中。传统上，VaR的计算方法一般都要对金融收益服从哪些类型的分布进行假设，在这个基础上才能得到给定置信水平下的在险价值，然而这种假设的随意性通常会导致传统的VaR方法低估风险，并大大增加计算VaR值的模型风险。为此，极值理论（EVT）引起了广泛的重视，它是一种基于统计学的参数估计方法，近几年逐渐被应用于金融极端风险的度量中。它克服了传统的VaR方法事先假设出总体分布函数的缺陷，仅以样本数据为研究对象，建立极值分布的模型，是一种尾部分布，并且只要在一特定的尾部概率下，就可以计算市场极端波动情况下的超额损失值，即风险价值VaR。因此，极值理论具有超越样本估计的能力，解决了金融资产回报数据的“厚尾”问题，能更准确地估计市场风险。金融资产回报数据的分布除了具有波动聚集性和厚尾性特征，其波动条件异方差性也对在险价值（VaR）产生了一定的影响，而目前在金融时间序列分析中运用比较广泛的是GARCH族模型，它可以较好的捕捉波动率的时变过程。本文在极值理论的风险测量的计算公式中考虑了波动性，将极值理论与异方差模型结合起来，构建动态极值风险管理模型，估计回报分布的条件尾部分位数，同时刻画损失的厚尾性和随机波动性，并得到动态的VaR值。本文首先介绍了国内外基于VaR的估计方法的研究背景及风险价值理论，其次概述了单纯极值理论方法，主要阐述了BMM模型及POT模型理论。最后将极值理论引入到GARCH族模型中，构建动态极值风险管理模型，通过把动态模型应用于上市银行对数收益率序列的实证检验，可以看到传统的静态模型已不能度量剧烈波动时期的损失，而介绍的动态极值风险管理模型依然具有较高的精度。首先用GARCH族模型拟合收益率序列，提取残差序列，再将极值理论运用到残差序列上，得到渐近服从的帕累托分布，利用极大似然估计方法估计参数值，进而计算出风险价值。