随着金融市场的不断发展和创新,金融市场和金融资产之间的相关关系越来越复杂,呈现出非线性、非对称以及尾部相关的相关形式。因此,传统使用的线性相关系数的分析方法早已不能准确地反映金融市场的相关信息。此外,由SKlar提出的copula理论则认为,随机变量之间的相关信息可以用copula函数表达。因此,国内外学者开始利用不同形式的copula函数来表示多元随机变量之间的相关模式,但没有考虑到多元随机变量两两之间服从的分布并非全部一致。基于这一考虑,本文介绍了一种新的方法,即pair-copula方法,不仅允许应用不同的copula函数,更准确地反映不同随机变量之间的相关性,而且可以十分方便地建立联合分布的密度函数,极大简化了参数估计的过程。本文首先阐述了VaR计算的基本原理和主要方法,包括分析法、历史模拟法和Monte Carlo模拟法;其次,详细介绍了copula函数的基本理论,包括性质和特点,并介绍了椭圆族和阿基米德族两个典型的copula函数族,同时还涉及到如何利用copula来度量相关性的问题。着重介绍了pair-copula方法,在这一部分中,先简单介绍了构造多元随机变量之间的copula函数的一些常见方法,并分别讨论了各自的缺点,然后重点介绍pair-copula方法,以及参数估计过程,同时还包括了拟合度检验的理论介绍,为下文的实证研究提供理论基础。最后,将该方法应用于上证指数、深圳成指和恒生指数,并结合VaR和拟合度检验来证明该方法的优越性,取得了良好的效果。在文章的最后,对本文进行简单的总结,以及提出一些需要改进的地方。