金融风险管理日益受到金融监管机构和金融机构的重视,合理准确地度量风险是有效风险管理的前提。风险价值(VaR)作为有效的风险度量工具已经在金融风险管理领域得到广泛的应用。准确估计VaR的核心在于正确描述金融资产收益率的概率分布,传统的VaR估计方法包括方差一协方差法、历史模拟法和蒙特卡罗模拟法等。这些VaR度量方法都是针对正常市场情况下对收益率的整个分布进行描述,但难以对收益率分布的左尾部进行准确的估计,即不能对极端损失事件做出很好的估计。在这样的情况下,传统的VaR度量方法不能有效地衡量风险,因此需要借助极值理论。极值理论的核心是对收益率分布的尾部进行建模,其能够准确地评估极端事件发生时所带来的损失风险。　　 本文主要研究极值理论应用于我国股票市场的风险价值度量,并以上证指数为研究对象进行实证研究。首先,本文分析了上证指数收益率的分布特征,研究表明收益率序列分布呈非对称性、“尖峰、厚尾”及“波动聚集性”等特征。其次,针对上证指数收益率分布的这些特征,对其建立EGARCH模型,得到独立同分布的标准化残差序列。再次,利用POT模型对标准化残差序列的尾部拟合广义帕累托分布,得到基于条件极值法的VaR估计结果。为了进行比较,本文也给出了采用正态分布法和历史模拟法得到的VaR估计结果。最后,本文采用Kupiec检验方法对基于条件极值法等VaR预测结果进行返回测试,评价各VaR度量方法的有效性和准确性。返回测试检验结果表明,在较高的置信水平下(如99％),条件极值法在估计VaR方面优于其他估计方法,能够有效地覆盖金融机构的实际损失。