资产组合风险管理的核心内容是组合风险的识别和估计。本文选择不同的模型对风险进行量化,从而有效估计股票投资组合风险。基于t-GARCH模型和DVine Copula框架理论,针对“高维”、“股票”、“投资组合”和“风险”四个典型特征构建了投资组合风险估计模型,为风险管理活动中的决策提供参考。本文引入Vine Copula结构来描述多种资产的联合分布,基于Family PairCopula的Vine Copula,利用蒙特卡洛(Monte Carlo)模拟方法来计算多资产投资组合的VaR。并通过Kupiec返回检验方法测试Vine Copula模型的VaR预测效果,并与传统的历史模拟方法、方差-协方差风险管理方法进行比较,探讨高维股票组合风险价值的估计方法。第一,本文收集2017年1月4日到2019年12月30日中国平安、贵州茅台、招商银行、五粮液和格力电器五支沪深300A基金投资的股票,组成高维投资组合研究数据,描述它们的对数收益率特征,作出时序图、波动率图。第二,构建时间序列模型拟合边缘分布。对股票数据进行对数一阶差分处理,得到收益率序列,然后进行平稳性检验和ARCH效应检验。结果表明,该序列平稳且具有条件异方差性,适合建立GARCH模型。并分别通过正态分布、t分布、有偏t分析和广义误差分布的残差假设,对序列建立GARCH类模型比较分析,最终选择最优的t-GARCH模型来拟合边缘分布。第三,通过数据滚动方法预测投资组合的风险价值VaR。通过拟合的边缘分布,构建藤Copula结构,估计出相应的藤Copula参数,使之作为投资组合各资产之间的相依结构,运用蒙特卡洛模拟的方法,对应边缘分布的反函数估计出对应的股票收益率序列,按照权重比例求出VaR估计值;并与传统的历史模拟法、方差-协方差方法预测的VaR估计值进行比较,得出基于藤Copula模型预测的VaR估计值能够更有效地用于多资产投资组合VaR预测。实证分析表明,传统的历史模拟法和方差-协方差风险预测方法没有通过多资产投资组合VaR预测返回检验;而基于family Pair-Copula构建的藤Copula模型通过了多资产投资组合VaR预测返回检验,说明该模型能够有效的用于多资产投资组合VaR预测。