随着金融自由化、金融全球化和资产证券化的发展，全球各个国家之间的经济联系不断加深，新的金融工具不断出现，加之现代化信息传播手段的迅速发展，促使金融创新活动空前活跃，金融风险也更呈现出复杂化、多样化态势，从而使金融市场风险管理面临着更多的压力和挑战，同时也对金融风险测度方法提出了更高的要求。　　金融市场风险管理的关键是找到合适可靠的测度计量模型。长期在金融风险测度中占据主流地位的是J.P. Morgan投资银行的Risk Metrics系统中的VaR(Value at Risk)指标测度方法。研究如何提高VaR模型的预测准确度主要体现在如何准确刻画金融资产收益分布的“典型事实”特征。而常规的金融波动模型在拟合金融资产分布一般的特征的时候还能应付，但其对极值金融事件(主要表现为尾部数据异常)的描述却显得无能为力。此外，单个资产的风险度量可以根据VaR的定义直接得到，而投资组合风险度量需要刻画金融资产收益的联合分布。考虑到金融时间序列数据具有“尖峰厚尾”的特征，并且在很多情况下，资产收益序列间存在着非线性相关关系，如果简单地假设投资组合中的单个资产间为线性相关性假设，则会对风险度量的结果产生较大的偏差，因而有必要引进一种更好的相关性分析方法来弥补传统多元统计假设的不足。　　还有考虑我国经济的发展还处于转轨时期，虽已初步建立起以国有商业银行为主体的商业性金融体系，金融体制的市场改革依然远远滞后于其它经济部门，整体行业受政策影响较大，市场运行机制经常发生变化，金融体系风险非但没有降低，反而不断积聚，金融市场动荡加剧，作为市场经济晴雨表的沪深股票市场频频的巨幅涨跌即清楚地表示了金融体系的震荡状况。故对处于经济转型期中的我国金融业来说，利用基于金融波动模型、极值理论以及Copula理论研究金融极值风险度量无疑更是具有针对性与非常重要的现实意义。　　本文研究的主线是把极值理论贯穿到单个金融风险测度到投资组合金融风险测度，具体的在研究单个金融风险测度时，针对其不足，通过组合能够拟合金融波动特征的波动模型，然后与极值理论相结合度量一元极值风险；在研究多元金融风险测度时，考虑金融资产间的非线性、非对称性特征，通过引入Copula函数并与极值理论相结合，从静态、动态两个方面研究金融资产的相关结构特征，在此基础上，研究投资组合极值风险测度。　　研究的主要创新之处体现在：　　①在对金融风险进行测度时，通常从刻画金融收益率的波动特征入手。现有的文献中，基本都是采用常规金融波动模型来刻画金融收益率“尖峰厚尾”、波动集聚等特征，而考虑收益率序列的结构变换特征的还很少见。本文考虑收益率序列的剧烈波动和结构变换特征，提出把马尔科夫链引入GARCH-GED模型构建SWARCH-GED模型，然后与极值理论相结合，进而构建SWARCH-GED-EVT的动态VaR模型对极值风险进行测度，并对模型的有效性进行了检验，检验表明，新的模型能有效合理的测度金融市场风险。　　②对于各金融收益率序列的联合分布问题，现有文献通常假设金融收益序列服从多元正态分布，并用线性相关系数度量金融资产间的相关性。但是众多研究表明金融收益序列有明显的厚尾、异方差现象，金融资产之间表现出较强的非线性特征，线性相关系数不能全面地反映相关结构。本文结合Copula函数的特点和SV模型的优势，运用随机波动模型与极值理论结合刻画资产收益的边缘分布，再结合时变Copula理论来构建金融时间序列的相依关系，进而建立一种新的测度金融资产间的风险相关性的模型——时变Copula-SV-EVT模型，在此基础上以沪深300指数和恒生指数为例进行分析，实证结果表明，与常规的金融风险相关性测度方法相比，基于时变Copula-SV-EVT模型能有效反映金融资产的相关结构。　　③对于多元金融资产组合金融风险测度，现有的文献用EVT模型与其他模型（GARCH族、SV族）或函数（Copula函数）相结合对极值分布进行统计推断，可以得到很好的效果，被越来越多的应用到极值风险的刻画当中，但是把随机波动模型与极值理论和Copula理论结合起来研究金融风险的还不多见。本文针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征，提出采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征，应用t-Copula函数处理多元资产间的相关性，最终构建新的基于t-Copula-SV-t-EVT投资组合风险测度模型，实现从单一资产风险测度到组合资产风险测度的过渡，并结合Monte Carlo模拟对投资组合进行风险测度，实证结果表明，模型对投资组合的风险测度是合理有效的。