随着金融全球化进程的加深,世界各国金融市场间的联系不断加强,协同变化趋势也持续增强。近来金融危机频繁发生,影响范围从地区逐渐向全球发展,这些不断提醒着人们加强风险管理的必要性。而进行风险管理必须要对资产间的相关性加以刻画,同时也需要关注极端风险对金融市场极大的破坏作用,而传统方法都假定金融资产组合服从多元正态分布,且相关性用线性相关系数进行刻画,但这与实际金融资产间复杂相关和各资产分布的尖峰厚尾的特征是不相符的,因此传统方法在测度金融风险有所缺陷。基于传统方法的缺陷,本文考虑引入Vine-Copula函数对金融资产间的相关性进行刻画。 Copula函数是将边缘分布函数与联合分布函数连接起来的函数,不仅能够刻画相关性同时也能够描述相依结构,因此非常适合进行金融资产风险测度。虽然多元Copula函数已能够较好的描述资产组合的相关性,但是常用的多元Copula函数都假定边缘分布服从正态分布或是t分布,具有一定的局限性,为克服这些局限,本文使用较新颖的Vine-Copula对资产组合相关结构进行刻画,Vine-Copula利用pair-Copula分解技术对资产组合的联合分布进行分解,从而实现对资产组合相关性的描述。而在边缘分布建模时本文选用极值理论POT (Peak over Threshold)模型,POT模型专门对分布尾部极端变异性数据进行研究,因此非常适合金融资产尾部建模。本文围绕金融资产组合风险测度主要做了如下工作：首先详细介绍了边缘分布模型POT模型,并且利用该模型对上证综指2000年1月1日到2014年12月31日内所有交易日收盘价数据进行建模,并利用滚动时间窗动态VaR(Value at Risk,风险价值)对上证综指风险进行了测度,实证结果表明基于GARCH-POT模型得到的VaR预测值比资产收益率正态分布假定(GARCH-norm)得到的预测值更稳健,并且在高置信水平下更准确,因此GARCH-POT能够比传统正态分布假定更好的测度资产收益率的风险。其次本文详细介绍了Vine-Copula模型,并结合POT模型对东亚地区5个主要股指和美国标普500指数进行资产组合风险测度,同时也利用滚动时间窗动态VaR对资产组合风险进行了测度,并利用Kupiec以然比检验对VaR进行了回测检验,实证结果表明基于R-Vine-Copula-POT计算的VaR在所有模型中是最准确的,这也验证了R-Vine-Copula函数在测度资产组合风险时的优越性。最后对本文进行总结,阐述本文研究不足之处和未来研究空间。