股票市场的功能之一就是在交易成本尽可能低的情况下,使投资者能够迅速、有效、稳定地执行交易,也就是说投资者能在股票市场上获得充分的流动性。在极端情况下,股票市场的崩溃往往与市场的流动性严重不足直接相关,流动性消失会对整个市场造成灾难性的后果。VaR模型和CVaR模型是国际上广泛运用的两种风险测量方法。他们从数量上对风险进行了客观明确的描述,以简单的数字告诉投资者,在一定的置信水平下,所面临的最大损失和不利的极端事件发生时可能遭受的平均损失的程度。但实际中大多数金融资产时间序列具有显著的厚尾特征。这意味着VaR在度量金融资产风险时,其正态性的假设不符合实际,即对极值事件考虑不足,导致了极端风险的低估。极值理论(Extreme Value Theory,EVT)是研究随机过程的极值分布及其特征的模型技术,对随机过程中的厚尾现象具有突出的针对性,并可在总体分布未知情况下,依靠样本数据外推得到总体极值的变化性质,克服了传统统计方法不能超越样本数据进行分析的局限。将EVT应用到金融风险管理领域可以弥补VaR对极值事件关注的不足。本文即基于极值理论研究金融极端风险的度量问题,并在相关研究结论之上对我国沪市的极端流动性风险进行应用分析,并提出政策建议。本文主要研究内容有:极值渐近分布的类型及性质;基于广义极值分布(GEV)和广义Pareto分布(GPD)的BMM模型与POT模型,并将极值BMM与POT模型引入到尾部高分位数的估计中;金融时间序列相关性对极值模型的影响及其减消处置;在POT模型中运用了一种新的阈值选取方法弥补了目前普遍采用的样本平均超出量函数e(u)法的不足。