风险,是一个永恒存在并备受关注的话题,而对风险度量模型的构建也曾一度成为国内外金融投资者研究的重点和热点问题之一。最初为了应对上个世纪90年代初的金融灾难而被人们提出来的VaR方法现在已经成为了衡量金融风险的一种主流方法,其体现的巨大的科学性和透明性得到了越多越多的金融机构的认可。过去的五年,是金融危机发生、蔓延和不断深化的五年,国内外的经济形势也极为严峻和复杂,积极防范和化解风险不仅是金融领域的永恒主题,更是当前金融活动的生命线,因此对风险值的准确度量在今天尤其具有重要的意义。但是随着对度量模型研究的不断深入,传统模型在计量方面的局限性也在不断体现,首先是风险因子行为经常使用的正态性假设不能准确刻画资产收益率分布所经常出现的尖峰、厚尾、非对称现象；其次是用传统的相关系数矩阵并不能较好地表示出组合内相关资产之间的非线性关系。针对上述缺陷,本文提出了基于Copula理论的Copula-GARCH模型来对VaR计算方法进行优化。在理论研究方面,本文首先详细介绍了VaR的定义,之后重点阐述了关于VaR计算的三种不同方法,通过比较它们各自的优缺点后,蒙特卡洛模拟法被认为在金融分析方面具有独特的优势,因此,对该方法的的原理和步骤进行了详细的描述,为后文的实证部分做准备；接着在简要介绍了GARCH模型及其拓展形式后,重点阐述了Copula理论的概念、性质、参数估计方法、模型检验方法和几种常见的Copula函数在度量相关性方面的特点；随后依据上文丰富的理论基础,提出了Copula-GARCH模型,并分析了该模型在多变量金融数据领域分析的优势；最后将Copula理论,GARCH模型与VaR方法相结合,提出了将Copula-GARCH模型用于VaR值计算的具体步骤。在实证分析方面,价格样本取自2000年1月4日到2011年12月31日上证综指和深证成指的每日收盘价。本文首先通过GARCH模型及其拓展形式对资产收益率的边缘分布函数进行建模,分析比较之后得出GARCH(1,1)-t模型对现实数据的拟合程度最好；之后选择了五种常见的Copula函数形式来刻画组合内资产收益率之间的相关结构,通过经验分布函数与理论分布函数的比较得到Clayton-Copula函数对数据结构的刻画程度最好；最后通过蒙特卡洛模拟法计算得到VaR值,进行Kupiec检验后得出结论：由Clayton-Copula函数所得到的结果与现实最相符,误差最小,这也进一步说明了上文中对Copula函数拟合程度的评价是正确的。本文选用的Copula模型不限制变量边缘分布的选择,这使得多变量金融模型中传统的多元分布假设可以被替换为更加灵活的多元Copula函数分布,克服了描述资产组合收益率分布函数的困难；此外,由于基于正态分布假设下的资产组合风险分析经常会低估风险,而仅仅采用极值理论来对金融风险进行分析又经常会高估风险,这使得传统方法在实际应用中误差较大,而Copula函数不仅可以描述资产之间非线性、非对称的相关关系,还可以捕捉到资产之间相关结构的变化,特别是尾部相关结构的变化,这不仅为分析变量之间的相关结构提供了极大的优势,还为资产组合的VaR值计算提供了极大的方便：另外,文中提出的基于经验分布函数的模型检验方法通过后文的实证分析也被证明是很有效的,这为今后阿基米德类Copula函数的选择提供了一个有效的解决方式。本文局限于对二元的静态Copula函数的分析,而Copula函数在金融资产组合风险度量方面还有很多问题值得进一步探索：首先是时变相关的或者变结构的N元Copula函数有待于进一步的研究；其次,还可以构造混合的Copula函数来更加精确的描述复杂的相关结构；再次,关于Copula函数的拟合度评价方面也存在很多发展的空间：而在Copula函数的应用方面则可以将其推广至信用风险等其他金融领域。