自从1988年国际清算银行和美国监管机构采用VaR以后,VaR和基于VaR基础上提出的CVaR便在风险测量中流行起来。VaR和CVaR还更一步的被推广到股市风险测量中,用来进行风险控制。极值理论是用来研究极端事件分布特性的理论,它在风险管理中扮演着重要的角色,是关于市场极端风险的建模和量化的一种主要方法。结合金融资产回报数据具有波动聚集性和厚尾性特征,尤其是考虑到金融资产回报序列的波动条件异方差性对在险价值(VaR)和期望损失(CVaR)的影响,本文在极值理论的基础上把波动性引入到风险测量的计算公式中,将GARCH类模型与极值理论有机结合去估计回报分布的条件尾部分位数。通过历史日回报序列的检验和实证分析,发现我们的方法比传统的单纯极值理论方法给出了更好的1天期的VaR和CVaR的估计。