本文运用能够较好刻画金融时间序列极值特征的POT模型对上海证券交易所的四大行业指数和深圳证券交易所部分重要细分行业指数的市场波动风险进行了度量。首先文章对风险的概念及分类进行了说明，并介绍了金融市场风险度量方法的演变。本文主要考虑市场风险。然后文章以标准差的形式对数据的波动特征进行了总体描述，然后运用典型的波动二分理论对各行业的市场风险进行了分解，分解为系统风险和非系统风险，以更好地把握市场波动的变化趋势。市场波动率不能直接观测，典型的动态建模方法ARCH族模型在改进分布假设和执行严格的形式和参数优选程序后能够很好地捕捉市场的波动和金融资产收益率数据的厚尾特征。本文运用合宜的模型对各行业指数的收益和波动率进行建模，并对其市场波动进行了初步量化。在运用POT模型前，对各数据序列进行了必要的检验。检验结果显示数据序列均不独立，但是稳定的，符合模型运用条件。在阈值选择方面，由于阈值的选取既是一个统计问题又是一个金融问题，并且不同的投资者会选择不同的阈值，因此不能纯粹地根据统计理论来确定。本文摒弃了厚尾分布与正态分布相交法和峰度法，选择经验超额均值函数法来确定若干阈值，然后依次来测算对应的风险值。本文主要用POT模型进行市场风险的度量，同时作为对比，也就ARCH族模型、分位数估计、BMM模型进行了简单介绍，并在后文给出了基于它们的风险价值估计。通过对各行业指数收益率超出量的GPD分布估计对模型进行了拟合优度检验，同时运用Kupiec后验检验法对预测失败率进行了检验。检验结果表明POT模型能够较好地把握极值波动特征，失败率均控制在预设的显著性水平附近，拟合优度和预测精度较高。