处理“厚尾”分布的常用统计分布如下：
（1）t分布
    一般见到的文献中提及的是中信t分布，对应的还有非中心t分布，它的不足在于缺乏正态分布的良好特性，如次级可加、不想管、统计独立等，所以在金融中应用有限，但是它也不失为一种模拟市场的一种好的统计分布。
分布特征：
以0为中心，左右对称的单峰分布；
t分布是一簇曲线，其形态变化与n（确切地说与自由度ν）大小有关。自由度ν越小，t分布曲线越低平；自由度ν越大，t分布曲线越接近标准正态分布（u分布）曲线。

（2）广义误差分布GED
    广义误差分布是JPMorgan的RiskMetrics提出的。GED分布在金融市场上的主要应用见于基于GARCH模型下的VaR方法，对股票市场的研究。更好的揭示了收益率的厚尾和股市的杠杆效应。
分布特征：
当v值为2 时，广义误差分布即为标准正态分布；
当v<2时，其密度比正态具有更厚的尾部和更尖的峰，而且随着v值的减小，“尖峰厚尾”现象就越明显，即大的极端事件出现的概率随v的减小而增大；
当v>2时，其尾部则较正态分布更薄。

此外，处理“厚尾”分布的常用统计分布还有pareto分布、柯西分布、对数gamma以及各种混合分布（如混合正态分布，该分布的混合变量往往假定为时信息流。新信息进入市场对市场产生冲击，进而推动市价和交易量的波动。该分布假定变量是由具有不同均值和方差的正态分布混合而成，最常用的是有两个正态分布混合而成的模型。这种方法是金融信息统计分析的重要方法。它允许以更大的概率产生相对于标准正态分布的更大的收益率）。

本来想把前两个的密度函数和分布曲线一起弄上来的，但是还不知道怎么弄，将就看看了。