当今金融市场之中存在着千丝万缕的联系,挖掘并利用金融序列的相关性一直为金融领域的热点话题。统计套利理论正是在相关性结构的基础上发展壮大的,其为各类金融领域投资者追求稳定收益提供了重要的理论基础与操作工具。随着大数据时代的来临,金融数据也日趋海量,传统的相关性分析工具也暴露众多弊端。Copula理论尤其是Vine Copula方法的提出,解决了传统相关性工具对边缘分布形式过于依赖的问题,使刻画的相关性结构更加贴近实际。本文首先对国内外有关Copula理论和统计套利的文献进行梳理和总结,掌握理论大致的发展脉络和前沿方向。随后,本文对Copula理论进行了详实的介绍,从金融序列的边缘分布建模讲起,进而介绍Copula理论知识以及选择恰当Vine结构的方法,紧接着对如何选取合适的Pair Copula函数类型进行分析,最后给出模型的参数估计以及检验方法。最终,本文利用上述基于Copula理论获得的金融序列相关性结构,可获得序列间的相关性度量指标Kendall秩相关系数、Spearman秩相关系数以及尾部相关系数的计算方法。接下来,本文对统计套利的定义、配对交易流程以及常用模型进行了系统梳理,重点介绍协整套利模型、随机价差模型以及最小距离模型,并将基于统计套利的基本概念对实证分析进行设计。综合前文所述理论知识,本文基于Vine Copula方法建立中国期货市场品种间的相关性结构,并选择相关性强的品种构造交易对,进而基于尾部相关系数设计统计套利策略。最后,本文利用聚宽量化平台对上述策略进行历史数据回测,测试结果表明上述策略可获得稳定收益。本文将Copula理论的最新成果应用于中国金融市场,并探索出一套适用于中国金融市场的相关性结构分析方法,将对该领域中涉及投资组合管理、风险对冲、风险管理等理论提供充分的支持与帮助。同时,本文的研究成果对金融业也有一定的实际意义。对于市场参与者,本文所研究内容可为机构、个人等投资者在投资组合的构建方面提供可行方案,为其实施统计套利策略以及基于此策略构建投资组合提供充分参考,市场参与者可进一步依托本文所研究的金融交易品种相关性结构进行金融产品开发、风险对冲与管理等业务。对于市场监管者,依托本文所研究的相关性结构和套利策略,本文可为其日后进一步制定品种交易规则、深化完善交易制度提供强大的数据支持和样例分析。