我們期待利用一種更為接近報酬分配實際情況的模型來估計風險值，以期望獲得較佳的風險值估計結果，由於市場上的波動因具有異質變異，易產生波動聚集現象(Volatility Clustering)，因此我們嘗試以GARCH模型捕捉波動起伏，並結合一般化極端值分配來捕捉財務資料常具有的厚尾現象。 研究中，更進一步地利用模擬比較Frechet與GEV估計尾端係數的優劣，結果發現在資料具有厚尾現象時，利用Frechet分配所估計的尾端係數結果的確比用GEV的結果好，不過利用係數結果估計風險值時，我們卻發現兩者的結果差異不大。而我們亦認為，在窗口大小為1800時，block size為63是合適的。 而實證結果中，除了更加驗證模擬結果外，我們亦發現利用AR(k)-GARCH(p,q)模型與一般化極端值分配作為估計風險值的方法的確可以考慮到波動的趨勢及厚尾現象，因而可以獲得較理想的風險值估計結果。 關鍵字：風險值、一般化極端值分配、厚尾、GARCH模型