现如今，股票市场不管是一级市场还是二级市场，都是监管者与投资者关注的核心，也是投资者与筹资者互相博弈的一个市场，而市场分析者在投资者与筹资者之间起到桥梁作用。市场分析者在研究金融市场上独特的尖峰与厚尾特性的过程中，使得以往使用基于正态分布假设的分析突显不足，本文主要利用Clayton、Gumbel及Frank三个Copula函数构建的混合Copula函数将金融市场之间的结构进行整体刻画。本文前几章对Copula函数的含义与性质进行了简单回顾，阐述了几种通用的Copula函数，并将该函数的参数与几种相关系数之间的对应关系进行了描述。接着介绍了金融市场上时间序列模型，包括参数与非参数估计，主要介绍核估计法。然后讲述了贝叶斯理论及贝叶斯的计算方法，并且将基于Mix-Copula函数与经验Copula的三元线性模型的似然函数与后验密度函数进行了贝叶斯推断。将bayesian理论运用到Mix-Copula函数当中权重系数的估计，对Experience-Copula函数与Mix-Copula函数进行线性拟合。文中将上证指数与深圳成指2009~2013年每日的历史收盘价作为样本进行分析，分析数据的基本统计特征，利用核估计法对两个样本变量进行边缘分布估计，然后利用阿基米德Copula函数建立四种不同Copula函数进行分析，运用欧氏距离对四种不同的函数进行拟合检验，最后选出一组相对最优的Copula函数，并将利用贝叶斯方法与非线性规划方法估计出的结果进行比较，通过比较结果来看，贝叶斯方法也能达到经典方法的效果，甚至更好，基于贝叶斯的混合Copula函数同时得到两者之间的上尾相关系数与下尾相关系数。