随着经济全球化、金融自由化以及金融创新在全球范围内不断演进，各国和各个主要金融市场所面对的风险变得越来越复杂和多样化，它们之间的相关性也日益明显，相关结构则呈现出非线性、非对称和尾部相关等特征。基于正态分布和简单线性相关的假设不仅不能很好地描述单一金融变量呈厚尾、有偏的特点，也不能反应出金融风险变量之间的相关结构信息。Copula-Garch模型的提出较成功地解决了以上两个问题。GARCH模型是一个比较适合拟合单个金融变量的高峰厚尾异方差等特征的时间序列模型，而Copula函数则提供了一个分析风险变量之间相关结构的有效方法。　　 本文首先说明选题的背景和意义，然后第二章阐述Copula函数的定义、类型以及相关性质，还将介绍如何进行模型的参数估计和拟合检验。第三章将描述GARCH模型以及它在拟合收益率序列的边缘分布时具有的优势。接着的第四章将通过实证分析来说明，对中国沪深股市来说，哪个Copula-Garch模型更能准确地刻画他们之间的相关结构。最后一章是对本文的一个总结，还有对未来Copula研究的一些展望。