许多实证研究表明，生活中不满足正态分布的事件呈现出多样性，但它们却能被重尾分布很好的表述，例如：数理统计学、地理学、气象学、保险和风险理论等，为了深入了解这些现象背后所蕴含的规律性，首先需要对重尾指数进行估计，这对风险规避和预测具有很重要的实用价值，近些年重尾指数估计的有效性、稳健性也变得越来越重要。　　本文在极值理论和重尾分布的理论基础上，介绍了几类重尾指数的经典估计，然后给出了一类位置不变的Hill型重尾指数估计以及相关性质，与此同时，通过统计量M(a)n(k0,k)的渐近展开式，文章提出一种新的位置不变的极值指数估计量此处为公式，该估计量引入了调谐参数α，并以二阶正则变换为前提条件，推导了上述估计量的渐近分布性质，同时提出一种门限k0的最优选择方法。最后，从相对渐近效的角度控制调谐参数，它确保我们得到一个主成分偏差接近于零的估计，接着利用 Monte-Carlo方法进行了模拟分析，对新提出的估计量此处为公式与Fraga Alves提供的估计量此处为公式进行分析比较，利用三种不同的分布函数Fréchet，Pareto和Burr分布，从均值和均方误差的角度，来评价估计量的优劣程度。结果表明，本文提出的估计量此处为公式表现更好。