Copula函数是一类将联合分布函数与它们各自的边缘分布连接在一起的新型多元联合分布建模工具,在经济金融领域常常被应用于研究金融市场之间的相依性定量测度问题但很少被运用于研究时间序列的非线性线性自相关性。本文结合藤结构的思想,将Copula函数运用于研究时间序列的非线性自相关性,建立了一个新的非线性自回归模型——C藤Copula自回归模型,运用模型筛选出有用的历史信息,从而充分利用经典时间序列模型ARMA、ARCH及GARCH模型所无法充分利用的非线性自相关关系对金融时间序列进行拟合,并运用模型对序列进行预测、比较和分析。首先,建立C藤Copula自回归模型,给出模型的自相关结构图;其次,基于Kendall秩次相关检验的思想,给出在一个严平稳时间序列中,某一时刻连续几个滞后项是否与这一时刻独立的判别方法,筛选出与这一时刻有关的相关自变量,确定C藤Copula自回归模型的相依阶数;然后,给出模型基于EM算法、极大似然估计的参数估计方法和基于蒙特卡洛模拟的预测方法;最后,选取近十年共5081个深证成指每日收盘数据作为样本观察值,使用日对数收益率作为研究指标,建立C藤Copula自回归模型,运用模型进行点预测、区间预测并与ARMA模型和GARCH模型进行对比,结果显示C藤Copula自回归模型的预测效果优于ARMA模型和GARCH模型。