随着科技的进步,经济的发展,以及大数据时代的到来,单纯的截面数据集和时间序列数据集已经无法满足人们经济行为建模的需求,为了构建并检验更贴近现实的模型,既包含时间序列又包含横截面序列的面板数据越来越受到学者们的青睐。与此同时,不同国家或地区之间金融市场的联动性也不断增强。历次的金融危机、经济危机的传播从不同程度上反映了世界经济密切联系,相互影响相互作用的事实。近来的研究表明,Copula函数在对非线性、非对称、尖峰厚尾等一系列不同分布形态的金融变量间相依性的刻画方面优势较为明显。本文尝试将Copula函数理论与面板数据理论相结合,用来对金融数据进行分析。论文对Copula函数以及面板数据的相关定义、主要性质、相关性测度方法以及分类等相关内容进行简要的介绍。从理论上将Copula函数引入面板数据截面相关性检验以及面板数据的样本选择；尝试将最基本的面板数据与Copula函数相结合,并应用与中美股票相依性研究中,通过构建面板Copula模型对中美股票市场相依性进行研究，得出了中美股票市场相依程度,并进一步得出了股票市场波动的传导方式。通过引入藤结构将面板数据Copula模型引入到高维相依性研究中,同样对中美股票市场相依性研究进行了刻画,但不同的是同时考虑中美两国股市市场预期,利率收益率,汇率收益率等宏观经济变量波动的基础上研究两国股市波动的条件相依性,并进一步对中美股市在金融危机和欧债危机期间的相依性进行研究。最后,论文通过将面板GARCH模型与藤Copula相结合来刻画不同币种汇率在存在联动效应下的相依结构,并通过Monte Carlo模拟得到外汇投资的仿真收益率,然后对汇率联动CVaR进行测算进而得出基于不同预期收益率的最优外汇投资比率,和对应的最小CVaR。