厚尾分布主要是出现在金融数据中，例如证券的收益率。
从图形上说，较正态分布图的尾部要厚，峰处要尖。
直观些说，就是这些数据出现极端值的概率要比正态分布数据出现极端值的概率大
因此不能简单的用正态分布去拟合这些数据的分布从而做一些统计推断。
一般来说通过实证分析发现，自由度为5或6的t分布拟合的较好。

有关这方面详细的信息可以参见一些 金融计量的书籍

都是与标准正态分布图相比较而言的，楼上答的很好

厚尾和尖峰都是相对应正态分布而言的，都是金融风险的一种体现

"一般来说通过实证分析发现，自由度为5或6的t分布拟合的较好",需要补充的是二楼的这句话似乎有些问题，实证的结果往往t分布拟合也不理想！需要根据实际情况来分析，有时可以用混合正太分布，极值分布等！

所谓“尖峰厚尾”不过是在放松正态假定后对金融资产收益率分布的一种形象说法，没有特指某种分布。近来文献较多的应是帕累托稳态分布，除了尖峰厚尾，还描述了所谓“跳跃过程”。不过使用这种分布的模型一般没有解析解，要用数值方法或模拟方法，比较麻烦。另一个趋势就是搞半参甚至非参的，那就不用假定什么分布了，一切数据说话。不过模型上简单了，方法论上就麻烦了，用核估计什么的搞出来的参数经济学上很难找到明确意义。