2008年爆发的全球性金融危机引起了人们对金融市场极端风险的极大重视。风险价值(VaR)和期望损失(ES)作为现代金融尾部风险测度,在行业中得到了广泛的应用。对于资产管理公司、对冲基金、投资银行、商业银行等金融机构和广大个人投资者来说,有效预测市场尾部风险非常重要。　　自回归移动平均广义自回归条件异方差(ARMA-GARCH)模型由于能够较为精确地捕捉收益率的动态均值与波动性结构,在金融建模中得到了广泛的应用。而一元极值理论中的阈值模型能够精确刻画独立同分布随机变量的尾部分布。如果将该极值模型引入时间序列模型中,即得到条件极值模型。该模型可以利用时间序列模型和极值模型的双重优点,成为刻画收益率动态尾部特征的有力工具。　　本文运用三种新息分布的自回归移动平均广义自回归条件异方差模型以及衍生出来的三种条件极值统计模型,对近十几年来中国、美国、欧洲、日本和印度五大金融市场的市场指数分别进行95％、99%和99.5%置信度下的双侧VaR和ES的预测与样本外事后检验。结果显示正态新息分布的ARMA-GARCH模型由于不能捕捉新息序列的非对称性和厚尾性,从而不能精确预测VaR和ES,尤其对于高置信度。学生t新息分布的ARMA-GARCH模型由于不能捕捉新息序列的非对称性,结果并未好转。而偏t分布的采用使得预测精度大大提升。对以上ARMA-GARCH模型,采用阈值模型估计新息尾部而不是运用新息参数分布假设来估计尾部,不论采用何种新息分布,事后检验结果都堪称完美。本文为我国风险管理行业科学预测与控制市场尾部风险做了一点研究工作,为广大金融机构和投资者认知市场极端风险提供了可靠的技术资料。