当今世界经济发展迅速,金融市场间的相互依赖程度逐渐增强,相依结构也更加复杂,定量探究金融市场间的复杂相依性以分析金融风险传染机制,有利于风险管理以减少风险传染带来的极端损失。通过统计模型量化风险传染,对风险相依性进行定量分析具有较好的理论价值和应用前景。随机波动模型(SV)能够准确的刻画金融时间序列的尖峰厚尾分布特性与波动集聚特性,而Copula模型通过构建多个不同分布的联合分布,能够更好得描述金融市场间的非线性、非对称性以及尾部依赖的相关特性,经与Vine结合形成的Vine-Copula模型为探究多元变量非线性相依性提供了基础。本文以六大原油市场的风险传染为背景,将随机波动模型(SV)与Vine-Copula模型、变点检测方法结合,建立了能够准确全面探究金融风险传染的变结构SV-Vine-Copula模型。首先采用SV-MT模型建立边缘分布以剔除典型波动后,利用模型残差序列建立并比较了混合C-vine-Copula,混合D-vine-Copula,混合R-vine-Copula,全t-R-Vine-Copula,全Gauss-R-Vine-Copula模型,然后选取其中拟合效果最优的混合R-Vine-Copula模型,利用似然比统计量变点检测方法对相依性变结构点进行检测,通过比较变点时刻发生的前后相关系数的变化,结合格兰杰因果检验,分析变点产生的经济原因,讨论市场间风险传染效应,以构建的变结构SV-Vine-Copula模型量化了六大原油市场间的风险传染性与尾部溢出效应。经过模拟研究与实证分析,结果发现了SV-MT模型能够精确的拟合边缘分布,混合R-Vine-Copula相比其他Vine-Copula结构对相依性建模有更好的拟合效果,似然比这一方法能够有效的检测Vine-Copula模型结构变点,所建立的变结构SV-Vine-Copula模型能够很好的量化六大原油市场间的风险传染性与尾部溢出效应。通过这一统计模型对六大原油市场风险传染的研究,发现国际大事件的冲击确实会造成原油市场间的风险传染,其中WTI与Brent在风险传染中占据了主导地位,而其他四个市场则处于被动的地位。本文最后为我国国内原油市场的风险管理提出了政策性建议,对非线性相依性以及风险传染研究在未来可能的研究方向提出了展望。