金融风险是由于价格波动的不确定性导致的金融资产的损失或收益。为了更好地预测和控制风险,研究者和金融机构设计了许多度量风险的方法,其中VaR方法是最常采用的方法。但是基于假定单个资产收益正态分布、风险资产间收益线性相关计算VaR与实际情况并不相符。Copula理论的出现和应用将为风险分析和多变量时间序列分析提供了一个新的方向。用Copula来刻画金融市场间相关结构,不仅可以选择更好的描述金融资产收益的分布函数,还可以将金融市场间的相关结构剥离出来,更全面地刻画金融数据间的相关程度。基于Copula函数的尾部相关测度可以给出当一个股票市场价格发生大幅度上升或者大幅度下降时,另一个市场也发生大幅度上升或者大幅度下降的概率,这在风险管理中是十分重要的。本文的创新点集中体现在三个方面:首先,以Copula为基础,通过对股票市场间的相关关系的强弱描述,从定性和定量两方面来实现对尾部相关性的研究,从而突破了目前依赖于独立和线性相关,这仅有的两类相依关系的局限。其次,将对股票市场之间风险相关关系的刻画在时间范围上进行了拓展,对相关强度的整体和局部度量得到了精度上的提高。样本涵盖了各大主要股票市场价格指数,分别进行了相关关系的分析,时间跨度长,包含上千组有效数据组。最后,Clayton Copula和Gumbel Copula经常被用来处理金融数据的尾部相关关系。但是,长期以来,关于这两种函数在不同市场环境下捕捉尾部相关性能力的差别的研究并不多,本文选取两组走势对比鲜明的时间段,开创地采用对比研究的方法,在这一领域做出一些初步的探索。本文的主要内容和基本结构如下:第一部分为引言。从现有的风险量化模型的缺陷入手,指出应用Copula函数进行风险相关性研究的优点和现实意义,并从总体上介绍了本文的研究方法和创新点,以及论文的结构安排。第二部分为文献综述部分,侧重Copula理论在金融领域的研究成果综述。本文首先对证券市场风险进行了概念界定,然后对Copula理论从诞生到应用于金融领域相关性分析的国内外理论研究的推进过程和应用过程给予详尽的阐述。第三部分系统地介绍了Copula理论的定义及性质,给出了几种常用的Copula函数的分布函数和密度函数的表达形式,以及基于Copula函数的相关性测度指标的定义及推理过程。第四部分为股票市场尾部相关性系统分析。利用上证指数、深证综指、恒生指数和道琼斯工业指数日收盘价数据建立Copula-GARCH(1,1)-t模型,利用估计得到的Copula的参数计算了尾部相关系数以及分位相关系数,结果表明上证指数分别与深证综指、恒生指数和道琼斯工业指数之间存在较为明显的相关关系,上证指数与深证综指之间的相关关系最大,与恒生指数的相关关系次之,与道琼斯工业指数的相关关系最小。第五部分为股票市场尾部相关性对比分析。本文选取了两个走势对比鲜明的时间区间构造了三组样本进行对比研究,探索了两种最常用的的Copula函数在不同市场环境下捕捉金融数据尾部相关关系的能力的差别。第六部分为结论和政策建议,根据研究结果给出了具体政策建议。