随着金融机构组合交易资产数目的剧增，金融市场呈现出前所未有的波动性和脆弱性，市场风险度量是控制和管理风险的基础。本文首先比较详细地介绍了现在比较流行的VaR风险度量方法以及传统VaR的三种计算方法——历史模拟法、蒙特卡罗模拟法和方差—协方差法，并对这三种计算方法从多方面进行了比较。由于单纯的VaR风险度量方法存在着不满足一致性风险度量的缺陷，所以又引入了一致性风险度量方法CVaR，CVaR方法更好地捕捉了金融数据的尾部分布，弥补了VaR的缺陷。传统VaR计算方法一般都要对金融收益服从哪一类型分布进行假设，这就不可避免地对这一假设的有效性产生怀疑。如何有效地刻画金融资产收益率分布的尾部特征，给出其近似的分布形式，是一个风险度量模型能否准确地估计风险的首要条件。相比较而言，极值理论不会假设金融收益服从某一分布，而是自然而然地得出尾部的形态特征，从而避免模型风险，可以较准确地计算极端情况下的VaR。本文比较系统地阐述了极值理论和极值分布特征，以著名企业股票指数为例，将极值理论应用于风险价值的计算，得出VaR值和CVaR值，并将实证结果与传统VaR方法计算的结果进行了比较分析，CVaR值比VaR值大，极值方法比传统方法得出的VaR值大。最后分析得出结论：传统的VaR计算模型是静态的模型，应用极值理论计算VaR的模型是动态的、相对保守的模型。