随着一体化的不断加深,个人及机构投资者通常会跨国家及地区选择不同种类的股票进行组合投资,以达到分散风险、获得更高收益的目的。但是在增加投资者选择多样性的同时,也扩大了极端事件的发生给金融市场和世界经济造成的影响。如何选择最优的模型从而实现股票市场上投资组合风险的准确度量预测成为目前的焦点问题。本文选取亚洲具有代表性的五大股票市场指数作为研究对象,分别从相关风险的度量和预测两方面进行分析。首先,根据各序列相关特征的分析结果,运用EGARCH-POT模型方法拟合它们的边缘分布;接着采用三种不同的“藤”结构和两种传统多元的Copula模型分别刻画五个股票市场的相依结构,以此测度投资组合的投资风险水平;最后计算它们各个模型动态VaR,并采用严密的返回检验方法,比较模型之间的预测能力。实证结果表明:一是在相关风险度量上,效果最好的R-vine-Copula模型显示KS11指数对N225、HIS指数都具有很强的相关性;而SSE对TWII、N225和KS11的相关性影响都显得较弱。这表明我国在避免东南亚风暴等事件对大陆整体经济状况产生影响方面采取了相关措施。二是在不同模型对股市投资组合收益率预测有效性评判上,结果显示本论文POT-EGARCH-R-vine-Copula模型对其风险测量在无论精度还是预测效果都显得最好,从而可以为股票市场投资组合的管理提供更加准确更有效的技术参考。本文在前文基础上,将Copula理论与极值理论相结合,首次把目前运用最多的五种模型综合在一起进行风险预测能力的横纵向比较,对比已有文献得到更为精确的股票市场测度方法,可以为股票市场的风险监督管理提供有力的参考。其次本文创新的运用滚动窗宽的返回检验方法,优于常用的非滚动方法,为模型对比结果提供更有力的支撑,再一次证明对风险预测的更精准性。