随着计算技术的发展和信息传递速度的提高以及人们对投机性的重视，人们对高频数据也越来越重视，学者们开始注重对股市高频数据的研究。基于高频数据讨论金融中极端风险管理对金融监管部门和金融机构来说，会提高防范极端事件发生的时效性，加强度量风险的精确度。本文基于上证综指和深证综指2011年11月份的逐秒数据对我国证券市场的高频数据极值进行分析，应用金融时间序列的方法研究我国证券市场高频数据极值的均衡关系、波动性特征、分布特征及风险性度量。以高频数据极值为切入点是研究我国证券市场微观结果问题的新尝试。研究内容主要包括：（1）中国证券市场日内不同频率数据的统计特征、分布特征及其变化规律（2）通过误差修正模型以及GARCH模型研究我国证券市场中高频数据均衡关系及其波动性，比较不同频率下极值到收盘价格的调整系数的变化规律，对比了深圳综指高频极值的GARCH（1,1）与GARCH-M的拟合效果，观察上证综指与深圳综指极值之间的溢出效应及相互影响（3）建立了上证综指日内各个频率极值序列的广义极值分布模型，寻找分布参数随着不同频率变化的特点，找到高频数据分布的性质，观察对基于秒的高频数据下得最好拟合分布，在广义极值分布下观察不同频率下的VaR；通过POT模型和Hill模型对我国股市局部极端市场条件下的高频数据进行风险度量研究。论文主要分为四个部分：第1章，引言。这一章以高频数据为切入点，讨论了研究金融市场中极端事件的背景和意义，回顾和总结了高频数据在金融领域的使用范围和方法，高频数据在波动性方面的发展和取得的成果，高频数据极值的研究历程和目前取得的成果。第2章，中国证券市场高频数据的典型特征。随着对高频数据的深入研究，对其知识的积累，人们发现一些金融高频数据的典型特征，本文对金融高频数据的典型特征进行了总结，以上证综指为例对不同频率的高频收益率进行了统计性研究，发现日以内频率的收益均是平稳序列，峰度都大于3，偏度小于0，显示了明显的“尖峰左尾”现象，为下文对不同频率的高频收益率进行模型分析做好了铺垫。第3章，上证综指与深圳综指高频极值的关联特征。本章首先讨论了上证综指不同频率下极值与收盘价的均衡关系，详细介绍了上证综指15秒极大值、极小值与收盘价的长短期均衡关系，同理研究了其他频率下极值与收盘价的均衡关系，结果发现不同频率下极值到收盘价格的调整系数服从周期运动，说明频率的选择会影响投资者的投资决策，极大值和极小值到达收盘价的均衡关系并不对称，验证了我国股市存在“跌的力度大于涨的力度”现象。之后本章研究了上证综指与深圳综指极值的波动性，通过GARCH模型比较发现GARCH（1,1）能更好的刻画两个市场极值的波动性。最后研究了上证综指与深圳综指极值在二阶矩意义上的“溢出效应”，结果发现深圳证券交易所对上海证券交易所反映迅速，所受影响比较深远，上海证券交易所对深圳证券交易所反映滞后。第4章，基于极值理论的风险性研究。在这一章中通过极值理论的三种方法：广义极值分布、POT模型和Hill估计刻画了上证综指不同频率下极值收益率的分布特点，对极端市场条件下的高频数据进行了风险度量。结果发现Hill估计与广义极值分布下VaR度量相近。建立了上证综指日内各个频率极值序列的广义极值分布模型，寻找分布参数随着不同频率变化的特点，观察对基于秒的高频数据下得最好拟合分布，在广义极值分布下观察不同频率下的VaR。通过最大似然估计得到各个分块下分布的参数，发现尺度参数和位置参数都是逐渐增加的，形状参数围绕在0.2附近，形状参数的置信区间变化不大。进一步分析拟合后的分布残差发现，5分钟和10分钟分块下的广义极值分布拟合更好。在分析刷新纪录概率时发现在股票交易过程中交易频率的参考准则可考虑30分钟或以上。最后计算了广义极值分布下的VaR0.99和VaR0.95，发现随着随着块容量的加大，风险价值也在不断增加；通过POT模型对上证综指15秒高频收盘价格的收益进行了分析，在超额均值图中发现门限为0.03，通过广义帕累托分布估计了模型参数，发现形状参数和广义极值分布下10分钟的形状参数极其接近，GPD诊断图说明拟合较好，最后计算了上证综指15秒收益的VaR和ES并和正态分布下的VaR、ES进行了比较，结果发现正态分布低估了风险；在Hill估计下上证综指15秒高频收盘价格收益率的门限在0.03附近，99%分位数的Hill估计在0.079附近，和前面GEV分布中拟合最好的10分钟VaR估计结果很接近，95%分位数的Hill估计维持在0.0453附近。