自2014年以来,原油价格发生了巨幅下跌的状况,而且白金融危机以来油价从未像现在跌得如此猛烈。而原油价格暴跌受到影响的首当其冲是石油出口大国俄罗斯,作为俄罗斯货币的卢布也出现异乎寻常的暴跌,卢布贬值与近期的油价暴跌有着相应的联系。面对着原油暴跌以及卢布危机这样的极端金融事件的发生,风险状况的精确度量显得尤为必要和紧迫。已有研究表明基于极值理论的VaR模型能够较好地估计金融市场的极端风险值,然而现实的金融市场数据往往不能满足独立同分布的前提假设,因此本文首先采用GJR模型、EGARCH模型和GARCH模型结合t分布、GED分布和SKST分布处理布伦特原油及卢布汇率对数收益率序列,得到收益率序列的标准残差序列,接下来对服从独立同分布假设的标准残差序列运用阈值POT模型计算VaR值和CVaR值,最终计算得到单一资产的风险值。考虑到在模型回测中通常使用的Kupiec检验忽略了数据的时间变化特征,本文模型回测采用Christofferson有条件覆盖模型,其在Kupiec检验的基础上考虑了超出值序列的时间易变性。实证研究表明：在较低置信水平下,各模型对两资产序列极端风险状况的测度均失效,而在较高置信水平下,各模型均显著有效。各模型对两资产序列上尾部的检验值大小均比较接近,而且均在较高置信水平下表现出模型的有效性；而对于两资产序列下尾部极端风险状况的测度模型中均为GJR-SKST-POT模型最优,而且在此模型下的检验值均是明显小于其他模型的检验值,说明对于两序列下尾部风险测度来说,GJR-SKST-POT模型确实优于其他模型。为研究原油市场与卢布汇率市场之间相依结构,即卢布危机受到原油暴跌的影响大小,并且考虑到金融市场的相关性总是随时间变化的,本文采用三种时变Copula模型以及对应的三种常相关Copula模型研究两市场之间的相关性。由于Copula模型具有不受边缘分布的限制的优点,可以将边缘分布与Copula模型分开研究,本文利用前文得到的综合最优模型GJR-SKST-POT模型作为边缘分布,结合Copula模型测度资产相关性。实证研究表明：采用时变SJC Copula模型描述资产序列之间的相依结构最为准确,且时变SJC Copula模型测度的上尾部平均相关系数也大于下尾部平均相关系数,说明了两资产市场在牛市阶段比在熊市阶段更容易出现联合极值现象。通过得到的相关系数大小来看,两资产序列之间的相关性并不如想象中的大,但在其他的诸如西方国家对俄罗斯的制裁以及美元走强等因素的共同影响下,两资产序列之间的相关性已经相当可观,说明了原油价格的暴跌确实是卢布暴跌的主要原因之一。