极值理论(EVT)被广泛应用到小概率事件的分析中,尖峰厚尾的特征在金融时间序列的数据中表现突出,直观来讲,就是数据出现在极端值的概率比正态分布更大一些,极值理论对此类现象的解释具有明显的优势。时至今日,极值理论的适用领域得到了扩充,己被广泛应用于自然、经济金融、保险、通信等领域,围绕极值理论展开的研究不计其数,相应的极值指数估计得到了学者们的密切关注。文章开篇引出了极值理论的研究进展,简洁回顾了极值理论的基本知识、研究意义和一些常见的极值指数估计,还给出了重尾分布的几种定义及正则变化各阶条件;然后,基于统计量Mn(α)(k0,k)的收敛性及渐近展式,提出了一类概括化的位置不变Hill型估计一GLIHE,在正则变化二阶条件下证明了该估计的相合性,研究了其渐近正态性;接着在均方误差的意义下讨论了阈值K0的最优选取,同时利用相对渐近效法则分析了调谐参数α的选取方法;最后,以三类不同的重尾分布为模型,利用Monte-Carlo技术进行模拟,作出了新估计量和Fraga Alve.s的经典位置不变估计量γnH(k0,k)的均值和均方误差的模拟图像。结果表明,文章所提的估计量比锯γnH(k0,k)更加有效。