目前，国际上主要采取风险价值(Value at Risk，简记为VaR)度量金融风险，其核心思想是通过对资产收益率分布的估计，刻画资产在一定置信水平下,在特定持有期内可能遭受的最大损失。但VaR资产收益率服从正态分布的假设与资产收益率大多是尖峰厚尾的特征相悖，这意味着用VaR度量风险时，忽略了尾部极值事件，导致可能低估风险。极值理论(Extreme Value Theory，简记为EVT)是专门研究一些很少发生、然而一旦发生却具有重大影响的随机变量极端变异性的建模统计方法，它不需知道收益序列的整体分布情况，而只关心收益序列的尾部特征。将EVT模型应用到VaR中，可以解决VaR因正态分布假设不足所导致的尾部风险低估问题，有利于更精确地度量金融风险。本文即是基于EVT的相关理论，做了如下工作：(1)建立了GARCH-EVT模型的VaR方法，特别是，利用超阈值模型计算VaR时，由于金融时间序列的相关性导致极值数据经常成串出现，所以通过引入极值指标进行除串，使之成为独立同分布的序列；(2)根据复合极值理论，将其在海况领域的研究拓展到金融风险分析领域，对模型变量赋予新的实际金融意义。首先令超阈值串的个数近似服从Poisson分布，对串的最大超出量拟合广义帕累托分布(Generalized Pareto Distribution，简记为GPD)；然后将离散型变量串的个数和连续型变量串的最大超出量复合，建立一种新的复合极值分布，即Poisson-gp复合超阈值分布；最后利用该方法对上证、香港恒生、韩国KOSPI和美国标准普尔指数进行实证分析。结果表明相对于其他方法，利用Poisson-gp复合超阈值分布模型研究股市风险更加合理。