本文在极值理论的基础上,推导出基于极值理论的风险度量模型、非寿险再保险定价模型和非寿险总准备金的计量模型,并且详细阐述了这三种模型如何应用于非寿险。该文章也是一篇系统的、详细的介绍了极值理论在非寿险中的应用方法的论文,并且本文创造性地将极值理论用于计量总准备金,使从风险分析的角度来说,极值总准备金的计量模型得出的结论更加准确。在进行管理风险之前,必须准确的度量风险。风险的度量的方法有很多,常用的有：方差和标准差、破产概率、VaR和基于变换函数的风险度量。在对各种度量方法进行分析和优缺点的比较下,同时结合非寿险数据呈现厚尾部的特征我们选择基于极值模型的高分位数或者VaR作为风险度量的方法,本文称此方法为极值风险度量模型。由于非寿险赔付数据常常呈现厚尾部,本文引入了风险率和均超额损失这两种方法对理论分布的厚尾进行了判断和检验,而用图解工具(包括指数QQ图、样本点经验平均超出函数和直方图)进行数据厚尾部的诊断和检验,图解工具简单明了。极值理论在度量风险的时主要有两类模型：一类是BMM模型,这类模型主要对组数据的最大值建模。另一类模型是广义的Pareto模型,简称GPD模型或者POT模型。这个模型是对观察中所有超过某一个较大的门限值或者阀值的数据建模。由于GPD模型使用了有限的极端观察数据,所以在实践中经常被采用。文章对极值分布的基本理论进行了介绍。在极值型定理的阐述中,引出了Frechet、Gumbel和Weibull分布,给出了三个分布的形式和定义域,最终将这三个分布统一于广义的极值分布。在估计广义极值分布的参数时,常用的有效的方法有极大似然估计和概率加权估计。在广义极值分布的基础上,得出了BMM模型的风险度量表达式,只要利用数据求出BMM模型的参数就可以得出风险估计值。对于GPD模型本文遵循同样的方式,介绍了模型本身和参数的估计,最终得出了GPD模型的风险度量表达式——极值风险度量模型。出于风险管理或者风险分散的考虑,非寿险公司往往需要再保险。那么如何准确对风险转移或者说是再保险定价就成为非寿险公司和再保险公司必须关注的问题。由于非寿险索赔数据的厚尾部特征,单一分布很难准确拟合索赔数据,尤其是对厚尾部的拟合。而常用的风险厘定法、分层摊收期定价法以及经验定价法方法也称风险损失法等再保险定价的实务方法,但是这些方法有如下缺陷：一是,如果赔付数据不充分或者数据波动性太大了,再保险价格的厘定偏差就会加大以至于影响保险公司的经营；二是,由于极值索赔数据少,因此怎么样在定价中合理地考虑极值事件是必须解决的一个问题。因此这些方法可能不适合对呈现出厚尾部赔付数据的非寿险业务的再保险定价。极值模型能够对尾部风险进行很好的度量,在GPD模型的基础上,可以很精确的对这类厚尾部赔付数据的非寿险业务的再保险定价,于是本文就基于极值模型得出了极值再保险定价模型。无论是保险公司还再保险公司,都需要对然自灾害或者统称为极值风险进行有效的防范和管理。极值风险的发生会引起保险业务的赔付偏离正常的期望,影响保险业的经营,可能导致保险公司的亏损,严重的,可能会破产。因此保险业通常需要提取总准备金以应对极值风险。巨灾准备金或者是总准备金是应对非预期的损失而计提的一种准备金,也可以说成是为了应对保险责任范围内的特大自然灾害和意外事故所造成的损失后果而提取的一种准备金。巨灾准备金的计提是如此重要,那么就必须准确的计量出巨灾准备金的大小。在发达国家,保险公司对于巨灾准备的确认与计量一般都是根据法律或法规中的规定公式来进行的,而我国对于总准备金的计提方法与公式并没有做出明确的规定,只是规定在利润中提取一定的比例,至于这个比例是多少也没有一个规定。尽管国外对于巨灾准备的确认与计量一般都是根据法律或法规中的规定公式来进行,但是巨灾准备金提取是否合理也需要进一步的确认,没有一个计算方法或者公式适合所有情况。极值理论可以很准确的度量厚尾部风险,根据高分位数,借助于样本均值和极值事件发生的概率就可以估计总准备金。于是在极值理论的基础上,本文开创性的得出极值总准备金的计量模型。在文章的最后,通过火灾保险数据的实证研究得出广义Pareto分布可以很好的拟合非寿险中的厚尾部数据。基于实证的结论,本文揭示极值风险度量、极值再保险定价模型和总准备金的计量模型这三个模型在非寿险中的应用。由于非寿险保险索赔数据所呈现出的厚尾性的统计规律,使得极值理论在保险和再保险精算中扮演着重要角色。运用极值理论,通过保险索赔的历史数据,保险公司可以精确地度量风险、再保险的价格和总准备金。不可置疑的是,极值理论在保险中的良好应用前景已得到越来越广泛的关注。同时在经历了汶川大地震后,人们对巨灾保险的需求增加,这会推动极值理论在非寿险中的应用方法研究。