随着社会快速发展,经济国际化、全球化,金融事件频频发生。金融风险的度量有十分重要的意义。考虑极端事件,即尾部风险度量变的刻不容缓。我国金融数据有其独特的性质特征,用何种分布进行拟合得到了广泛的讨论和关注。在确定假设分布条件下,采用何种方式准确地度量风险也是核心关注点。本文就这两个主线问题展开了讨论和分析,并选取我国股市数据进行实证研究,验证所假设的分布和选取的风险度量方式准确有效。首先,在收益率分布方面。考虑我国股票市场收益率数据具有尖峰、厚尾、非对称等特性。对比正态、对称Laplace、非对称Laplace三种分布,采用定性的概率图和定量的K-S检验。得到的结论是拟合收益率数据的效果从高到低依次为非对称Laplace分布、对称Laplace分布、正态分布。并对非对称Laplace分布的参数采用极大似然估计,得出σ、u、λ三个参数的显式表达式。其次,在风险度量方面。在风险价值VaR基础上,回顾尾部条件期望TCE、尾部条件方差TCV,再提出新的尾部方差TV。假设在非对称Laplace分布基础上,按四种度量方式的定义,给出显式表达式。并分析在投资组合中,四种风险度量的计算方式。继续对σ、u、λ三个参数进行灵敏度分析,得到结论为四种度量方式的灵敏度虽略有差异,但整体均较高,可以结合使用测量风险。最后,在实证方面。从Wind数据库选取12只股票,近10年的收盘价转为对数收益率数据。在经过定性和定量分析后,选用非对称Laplace分布作为假设分布。给出了四种风险度量方式VaR、TCE、TCV、TV和三个参数σ、u、λ的实际值和预测值,对比两者结果发现差异较小,再次验证非对称Laplace分布非常适合拟合我国股票市场的收益率数据。