随着经济全球化的不断深入,不同国家间金融市场的相互依存性不断增强,2007年爆发的全球金融危机更是凸显出金融风险的“传染性”不断加剧,对经济的冲击与破坏更大,从而对金融市场风险的测度提出了新的挑战。正是由于当前金融市场间的相互关系变得日趋复杂,多呈现出非对称、非线性以及尾部相关的结构特征,而Copula函数可以在一定程度上捕捉到随机变量间复杂的相关关系,这就简化了金融时间序列相关性分析与建模问题。因此,应用Copula理论研究金融市场的相关性及风险测度具有重要的理论意义与应用价值。论文围绕Copula理论框架及其在金融领域的应用,对国内外的研究现状进行了归纳整理。随后,论文系统介绍了传统Copula和Vine Copula的基本理论,并基于金融市场视角对双参数Copula函数和Vine Copula函数进行了深入探讨,从理论角度归纳了应用Copula模型进行金融风险测度的方法。在实证研究中,论文使用GJR-GARCH模型对上证指数与深圳成指序列进行滤波,然后用广义帕累托分布与光滑核的组合方式对边缘分布的拟合效果进行改进,在此基础上,运用Copula函数进行了相关结构估计,并采用蒙特卡洛模拟法计算出VaR之后,进行回测检验,同时与其它方法进行比较,归纳出上述方法的优势；在使用EGARCH进行边缘分布估计的基础上,使用多种单参数和双参数Copula函数对上证指数收益率与成交量序列进行相关性分析,实证结果表明,根据所选用数据的特征,用双参数Copula函数对相关结构的刻画更加精确；运用Vine Copula函数对上证和深证的六个指数进行相关性度量,结果表明与传统Copula相比,Vine Copula对多元时间序列的相关性测度准确度更高。论文的创新点主要体现在以下几个方面：首先,系统总结了Copula的理论框架,将Copula模型设定、估计、检验及评价等方面进行了比较全面地梳理,对Copula函数进行了新的诠释,并赋予了更有价值的经济解释；其次,将半参数方法应用于边缘分布的估计,为模型的可实现性奠定基础,同时将比较成熟的GARCH模型、极值理论与VaR理论系统地整合起来进行估计与检验,并通过Monte Carlo模拟进行风险的测度,从而降低了风险测度模型设定上叠加风险的概率,为金融风险的测度研究提供了更为实用的方法；最后,基于数据特征,应用单参数与双参数Copula、三种Vine Copula对金融时间序列的相关性进行了分析并归纳出不同模型的优势,为深入研究相关性问题提供了更为实用的工具。