当今世界,社会进程加快,投资周期也变短。以短周期投资为目标,构建投资组合并进行风险监测是非常重要的。短期投资的股票通常有较好的流通性,即较高的换手率。由于投机性因素较多,这些股票价格起伏很大,投资风险也相应很大,因此市场上会出现大量的非理性行为。目前,大多数实证文献研究波动率的原始数据为日间数据,日间波动率其实是短周期投资波动率与长周期投资波动率叠加的结果,聚集了整个股票领域的风险因素。对于高换手率的股票,预示其未来发展趋势最有用的数据来自于日间波动率中的短周期成分。本文结合标普500制造业、金融、科技、能源和医药指数,研究短周期投资的组合选择和风险度量问题。首先,利用EMD分解法将标普500指数波动率分解为多个时间尺度,模拟交易者在相应的投资范围内的行为。短周期成分对应于高换手率,长周期成分对应于长期持有。对分解出的短周期成分进行平稳性检验、白噪声检验和ARCH效应检验。利用不同的ARMA-GARCH构建波动率短周期成分的边缘分布,根据拟合优度比较模型表现。其次,对经过概率积分转换后的残余误差序列进行Vine Copula建模,根据最大似然按估计法估计模型参数,得到了C-Vine Copula、D-Vine Copula、R-Vine Copula模型,并分别从模型的树构成和拟合优度二种视角对比了模型表现。对比表明,R-Vine Copula模型具有更佳的灵敏度和更佳的拟合效率。通过该模型,对五大标普短期限指标之间的相依性关系开展了静态分析,分析结果表明通过加入条件市场能够有效减少秩相关的系数。再次,通过滚动窗口的蒙特卡洛模拟法估计了样本外的VaR,并进行Kupiec有效性检验。结果表明,基于GARCH（1,1）-R Vine Copula模型的风险估计最为准确,也更进一步解释了R-Vine Copula模型在刻画与标普500短期限指数收益率序列之间的相依性关联时最合适。最后,考虑金融资产之间的相依性能够产生优化投资组合的效应,因此采用R-Vine Copula与Mean-CVaR相结合的投资组合模型进行短周期投资组合研究。结果表明,所得的资产配置方法可以减少投资组合损失的同时提高收益率。基于实证分析结论,短期限投资的投机投资者应该根据自己实际状况,配置好资产权重,以便实现获利的目的。本文的创新之处在于:（1）引入EMD方法对原始数据波动率进行分解,分解出的短周期成分涵盖更为丰富的短周期信息,对其进行分析有助于我们更好地理解股票市场行为动态,进而进行投资分析。（2）利用正态分布、t分布、偏t分布和GED分布的GARCH、EGARCH、TGARCH模型来构建短周期收益率的波动模型。以树结构和拟合优度两种视角,选出拟合效果最优的Vine Copula模型。（3）利用蒙特卡洛模拟法,以滚动窗口的形式估计除样本外的VaR并进行Kupiec有效性检验。采用R-Vine Copula与Mean-CVaR相结合的投资组合模型进行短周期投资组合研究。