本文考虑到大量普通股民投身股市的现状，以及金融危机、金融政策等等大事件对金融市场的影响，导致上证股市涨跌起伏的事实。加之，这些年来Copula模型在金融领域运用的优势和GARCH模型一直以来对金融数据厚尾现象的良好表现。本文运用以GARCH(1，1)—t为边缘分布的四维混合Copula模型对历年来的数据进行拟合，并用估计所得的混合Copula模型模拟的值来度量普通投资者在上证指数四个板块进行投资组合所可能承受的在险价值(VaR)，让股民充分体会到投身股市在特殊事件发生时可能遇到的风险。该方法的优点在于：用混合Copula模型通过描述边缘分布和联合分布之间的关系，可以更好地刻画随机变量之间的相关关系，而且不受边缘分布的分布类型的影响，从而可以模拟更符合现实情况的数据，对未来也有更好的预测作用。而且GARCH模型和Copula模型的有机结合，充分考虑到金融数据厚尾分布的性质，灵活运用及扩展了Copula模型，更有效地捕捉尾部信息。 本文首先介绍了Copula模型在金融市场的运用，包括金融市场和风险管理的发展现状和趋势、Copula模型在金融市场相关性描述上的运用和Copula模型在风险管理度量上的运用，并以多元的形式给出了Copula模型的定义及性质。然后介绍了阿基米德Copula函数族，并着重介绍了其中常用于金融数据分析的三个函数：Gumbel、Clayton和Frank Copula函数，并根据他们在描述尾部相关时的不同特点，给出了混合Copula模型的形式，这样对相关结构的描述涵盖了尾部相关的三种典型情形，即上尾相关、下尾相关和上下尾对称相关，这些分布的特性与金融市场之间相关性的变化特性恰好相符。接着对EM算法作了介绍，并给出了运用EM算法解决混合Copula模型较为复杂的参数估计的方法和步骤，EM算法作为现今数值计算中很受欢迎的方法之一，在有缺失数据的参数估计中表现突出，本文运用其这个特点，引入—变量作为缺失数据，通过计算得到了估计混合Copula模型较为简便的形式，并采用K—S检验和AIC准则来进行边缘分布的拟合检验和Copula模型的选择。随后对投资组合的VaR值计算给出了简要的介绍，由于本文给出的模型是针对较长一段时期拟合的，而且基于混合Copula模型较为复杂的形式，本文采用的是蒙特卡罗模拟法：用混合Copula模型根据四个板块的相关关系产生边缘分布函数值的随机数，然后根据拟合的边缘分布得到模拟的收益率数据，然后根据VaR的定义得到在险价值的具体数值。最后在数据分析部分给出了GARCH模型拟合的简要介绍，本文选用的是GARCH(1，1)—t模型，它在描述边缘分布上有较好的表现，和Copula模型的结合也有较好的表现。 在具体数据分析中，本文选用了1996年12月16日至2009年3月31日的上证股市中四个板块的日收盘指数数据，选择这样的时间段是因为从1996年12月16日开始，上证股市开始采用涨跌幅限制的政策。根据这个日收盘指数数据可以得到将近3000对日收益率数据，并对这四组数据进行分析，选择较为合适的边缘分分布函数：GARCH(1，1)—t，然后对将近13年的上证股市四个板块之间的相关性进行拟合估计，得出了一个较为满意的Copula模型。进一步，为分析普通投资者在上证股市的投资环境，本文选用了运用广泛、受到好评又简单易得的VaR值来进行描述和分析，从数值上给普通投资者一个更为直观的解释。在分析结果中，本文发现在有大事件发生的时期，较容易出现大于VaR值的损失，而且损失值相当可观，这就需要投资者做好一定的损失准备，加强应对损失的承受能力；而在对未来损失率VaR预测的结果中看到，投资者所要面临的VaR风险值还是比较大的，需要投资者选择更多的投资项目进行组合。