تغییرات شدید قیمت، نه تنها برای سفته بازان بلکه برای تمامی فعالان بازار و تمامی محققین حوزه ی تحلیل بنیادی موضوعی بسیار مهم است. مدیریت ریسک مالی یکی از مهم ترین موضوعات در علوم مالی است و به منظور خلق ارزش اقتصادی در یک شرکت با بهره گیری از ابزارهای مالی مدیریت ریسک، به خصوص ریسک بازار می باشد. مدیریت ریسک مستلزم شناسایی منابع ریسک، اندازه گیری آن و برنامه ریزی برای آنهاست. ارزش در معرض ریسک به آرامی در حال جایگزینی با انحراف استاندارد و نوسان پذیری به عنوان عمومی ترین معیار سنجش ریسک است. از زمانیکه این معیار توسط بانک بین المللی تسویه و دیگر آژانسهای رسمی آمریکا در سال 1988 پذیرفته و توصیه شد، به صورت یک معیار محبوب سنجش ریسک در آمده است. ارزش در معرض ریسک بیانگر بدترین زیان احتمالی در یک دوره زمانی و در سطح اطمینانی مشخص می باشد و از آنجاکه تمامی ریسکهای پیش رو را در یک مقدار کمّیِ واحد خلاصه می کند رویکردی بسیار محبوب است. مدیریت ریسک مالی با رویدادهای کم احتمال که در دنباله توزیع قیمتها قرار دارند، سروکار دارد. رویکرد واریانس-کوواریانس یکی از رایج ترین روشهای پیش بینی var است و فرض مهم آن، این است که بازده سهام به صورت نرمال توزیع شده است، اما تحقیقات نشان می دهد که سریهای زمانی مالی دارای دنباله ای پهن هستند. روش رایج دیگر در پیش بینی var، رویکرد شبیه سازی تاریخی است که به هیچ فرض صریحی در مورد توزیع بازده احتیاج ندارد، اما از آنجاکه محاسبات آن بر اساس تعداد محدودی مشاهده صورت می گیرد فرآیند تخمین قابل اتکا نبوده و دستیابی به تخمینی بالاتر از بزرگترین مشاهده غیر ممکن است. نوسانات شدید با دنباله توزیع در ارتباط هستند، که این مساله به علت وجود خصوصیت دنباله پهن در سریهای زمانی مالی بسیار اهمیت دارد. بنابراین، مدلهای سنتی مدیریت ریسک به علت تمرکز بر کل توزیع، که دنباله ها تنها بخش کوچکی از آن هستند، ممکن است در سنجش دقیق و پیش بینی دنباله ها دچار اشتباه شوند. تئوری مقدار فرین مستقیما بر دنباله توزیع تمرکز می کند و در نتیجه توانایی تخمین مناسبتر ریسک را دارد. در حالت کلی ما نه تنها به بزرگترین مشاهدات بلکه به بررسی مشاهدات بزرگتر از یک آستانه ی بزرگ علاقه مندیم. یک روش جهت استخراج داده های فرین در یک نمونه در نظر گرفتن مشاهداتی است که از یک آستانه u –که از پیش تعیین شده است- بزرگتر باشند، که به روش فراتر از آستانه معروف است. تعیین آستانه موضوع مهمی در تئوری مقدار فرین است. در تعیین آستانه با مصالحه ای میان اریبی و واریانس مواجه ایم و روش بهینه ای برای انتخاب این آستانه وجود ندارد. در این مطالعه روشی جدید مبتنی بر الگوریتم های فراابتکاری جهت انتخاب آستانه را مطرح کرده ایم. به منظور مقایسه قدرت روش معرفی شده نتایج حاصل از شبیه سازی این رویکرد را با نتایج رویکرد فراتر از آستانه مبتنی بر روشهای سنتی تعیین آستانه، همچون تابع میانگین فزونی و شکل هیل ، رویکرد تئوری مقدار فرین بر اساس ماکسیمم بلوکها، شبیه سازی مونت کارلو مقایسه کرده ایم. همچنین مقایسه ای را با روشهای سنتی پیش بینی ارزش در معرض ریسک مانند شبیه سازی تاریخی و واریانس-کوواریانس (با فرض نرمال بودن توزیع بازده) انجام داده ایم. جهت پیاده سازی این روشها از سر یهای زمانی بازده شاخص کل بورس اوراق بهادار تهران و همچنین ده سهم نمونه در بازه ی زمانی فروردین 86 تا اردیبهشت 91 استفاده کرده ایم و به کمک شبیه سازی پنجره غلتان ، نرخ موفقیت هر یک از روشها را در سطح اطمینان 95 و 99 درصد محاسبه نمودیم. نتایج حاصل، نشان دهنده ی بهتر بودن میانگین نرخ موفقیت روش مبتنی بر الگوریتم های فراابتکاری نسبت به سایر روشها، به ویژه در سطوح اطمینان بالا است.