大量地研究表明，重尾现象存在于许多领域中，像金融、保险、气象学、水文学、环境学、社会学等，它们往往表现出尖峰厚尾的特征，即相对于正态分布有比较厚的尾部，如何刻画这些尾部的特征，也就是说如何来估计重尾分布尾部指数（刘维奇教授称其为重尾指数）成为学术界关注的焦点，然而与重尾指数密切相关的二阶参数也是不容忽视的，受到极值统计学家的重视.　　本文首先阐述了重尾分布的定义及其理论基础，极值理论与正则变化条件，其次综述了已有二阶参数估计的经典方法，基于统计量M(α)n（k），我们提出了一类新的二阶参数估计，在极值理论的二阶正则条件下，研究了二阶参数估计的相合性，在三阶正则条件下，研究了二阶参数估计的渐近正态性.最后从估计量的渐近偏差的主要成分，渐近方差的主要成分及其渐近均方根误差这几方面，讨论了估计量中参数α的选取，结果表明当α越小，新的估计表现越好.同时，在大样本性质与小样本性质这两方面，对新的估计(p)(α)，Gomes etal.(2002)提出的估计(p)GM以及Fraga Alves et al.(2003)提出的估计(p)FA(0)进行Monte-Carlo模拟，主要分析两类重尾模型Fréchet与Burr模型.　　主要结论如下:　　大样本性质方面，无论从估计量的渐近偏差，渐近标准差，还是渐近均方根误差方面，本文提出的估计都表现最好.　　小样本性质方面，在最优水平下，对二阶参数估计的样本均值与样本均方误差进行模拟分析.对于模型Fréchet(1，-1)，α越小，(p)(α)表现越好.对于模型Burr(1，ρ)，当-1≤ρ＜0时，随着α变大，估计(p)(α)表现相对较好;当ρ＜-1时，α越小，估计(p)(α)表现越好.