風險值(Value at Risk, VaR)為衡量金融風險最重要之工具，而由於許多文獻皆實證指出金融資產報酬率為厚尾分配，導致傳統上假設報酬率為常態分配將會低估金融資產所面對之下方風險，因此須運用極值理論結合風險值估計來捕捉厚尾，提升風險值估計之準確性。 本研究使用簡單加權移動平均法下之Normal VaR模型與VaR-x模型，及在指數加權移動平均法下之EWMA VaR-x模型來估計股票、外匯及投資組合之風險值，並進行回顧測試及失敗率檢定以評估模型準確性，實證結果指出以VaR-x表現最佳，其模型失敗率皆無顯著異於理論失敗率。然而結果亦指出EWMA VaR-x之模型失敗率過低，可能存在高估風險值的問題，但若投資標的為較厚尾之金融資產時，其失敗率卻相當接近於理論失敗率。

風險值為衡量金融資產風險相當重要的一個工具，但是傳統風險值在計算時有許多不合乎實際狀況的假設，其中針對金融資產報酬率呈常態分配的假設在許多研究中被提出來討論，過去的實證研究中也大多證明資產的報酬率多為厚尾分配，所以如果繼續使用常態分配的假設，勢必會造成某種程度的模型風險，而且會相對低估金融資產的下方風險，所以在後續的研究中有許多針對該分配假設進行修正的理論與模型，極值理論的應用為其中廣為應用的一種。 本論文使用五種風險值模型來估計股價指數與匯率報酬率的風險，分別為：(1)傳統風險值計算中不對分配進行假設的歷史模擬法(2)傳統風險值計算中假設分配為常態的Normal法(3)極值理論中假設分配為一般極值分配的區域極大值法(4)極值理論中假設分配呈柏拉圖分配的超過門檻值法(5)極值理論中假設分配呈T分配的VaR-x法；在實證研究中使用三種期間的實驗窗口，觀察五種模型在面對不同性質的金融資產在預測能力上有何差異，結果證明在短天期之下，因無法抽取足夠代表風險特性的樣本數，風險值估計的預測能力不高，而當抽樣期間過長時又會發生將過多非相關資料納入樣本的缺點，所以風險預測的準確性取決於一個適當樣本長度的選擇，如在本實證中250期實驗窗口所計算出來的風險值的參考價值會高於50日與1000日的估計值；在面對不同的標的資產時，由於股價指數對於漲跌幅的限制與交易量的多寡影響了資產在極端值的分配情況，故極值理論的模型在匯率資產的應用上相對具有效率；由極值理論模型回溯測試的結果發現，模型失敗次數大多小於理論的失敗次數，故可以證明以厚尾分配為假設的極值理論模型相對原始模型，在穩健以及保守的角度上具有較佳的表現。