极值指数估计为极值理论研究的重要组成部分,许多经典的重尾指数估计量被提出,基于顺序统计量的Hill估计,位置不变的Pickands估计和基于样本分块方法的DPR’s估计等.本文在前人研究的基础上,基于分块和记录值,提出新的重尾指数估计量,并研究其大样本性质.全文主要包含两部分:第一部分基于样本分块的方法,提出了一种新的重尾指数估计量.讨论了其在特定条件下的相合性,以及在二阶正则变换条件下的渐近正态性.最后运用Monte-Carlo方法进行了模拟分析,在样本服从Pareto,Frechet,GPD和Burr四种不同分布的条件下,对新提出的估计量与李姣娜和彭作祥[34]提出的估计量,从均值和均方误差的角度比较分析,评价估计量的优劣程度.第二部分提出了一种以记录值为基础的新的重尾指数估计量.并讨论了其在特定条件下的相合性,以及在二阶正则变换条件下的渐近正态性.最.后运用Monte-Carlo方法进行了模拟分析,给出了这种新估计量在三种不同的分布函数下的均值,均方误差,渐近标准误,以及95%置信区间.