2008年国际金融危机的爆发，使得人们对传统的风险管理模型，如VaR提出了质疑。但反思VaR的原理我们发现，VaR的估计本身是科学严谨的，导致现实与模型之间出现偏差的实际上是在VaR建模过程中所作出的若干假定，包括：　　 一、假定资产价格的变动服从正态分布。薄尾的正态分布导致巨额损失发生的可能性被低估。　　 二、用全部样本数据(包括中部和尾部)数据作拟合。一般来说，中部数据(即排序后位于中部)的数量较尾部要多，因此作数据拟合时中部数据获得的权重会较大，这导致拟合的结果偏重于描述中部数据，忽略了尾部数据的作用，而后者正好是VaR建模的基础。　　 三、忽略了资产之间的联动关系。在实际应用中，很多模型都有意无意地假定了资产之间的独立性，这在一般情况下可能是正确的，但在发生巨额损失或巨额收益时，资产之间往往表现出高度的相关性，导致大多数模型的估计结果出现偏差。例如，由于其简单性而一直被使用的经验分布方法就很容易导致这种结果。　　 为此，本研究运用EVT(极值理论)和Copula理论，对中国沪深股票市场样本数据的VaR进行实证分析，比较两者在VaR估计中具有的优势。然后在此基础上，结合两者，用POT-Copula方法拟合中国沪深股指的尾部数据。　　 部分重要结论包括：一、极值分布对尾部数据的拟合确实要优于正态分布和t分布。　　 二、Frank Copula对沪深股指相依关系的描述比较符合实际情况。　　 三、经验分布虽然对样本精确，但存在较多缺陷，故应引入POT。　　 四、利用POT-Copula预测了沪深股指组合的VaR。这些成果在一定程度上弥补了传统VaR估计方法上的不足，但由于Copula函数从二维到多维的扩展一直以来缺乏简单或可操作性强的方法，这大大地制约了Copula理论在VaR估计中的应用，这也暗示了Copula理论和VaR估计的一个发展方向。