随着经济全球化进程的加快，各种金融危机和经济波动经常出现。在这种情况下，各经济变量之间的关系也日趋复杂，其中任意一个变量的变动都会对其它变量带来了不同程度的影响;各变量之间也大多呈现出非正态、非对称和尾部相关的特征。这样，经济变量相关性的研究对于现在的金融市场建设也就变得尤为重要和更有现实意义。而Copula作为一种灵活、稳健的分析工具被大量地应用于研究各金融变量之间的关系也就不奇怪了。Copula具有很多优良特性，比较其它传统的相关性分析方法，能更全面地度量各种金融变量之间的复杂相关结构;同时Copula函数对各金融变量之间的非线性相关研究可以对现实中的投资组合和金融风险管理提供切实的帮助。　　 文章首先从理论方面介绍了Copula函数的定义和相关性质;接着对几种典型的阿基米德Copula函数进行了详细综述，对它们的相关性，特别是尾部相关性，以及参数的估计方法和模型的检验方法进行了必要的阐述。在实证方面，文章结合中国资本市场发展特色，选取2006年到2011年上海、深圳股票交易所日收盘时的指数数据作为研究样本，使用极大重叠离散小波变换将上证指数和深成指数的日数据分解在4个尺度上，分别采用SV-t模型拟合边缘分布，并建立Copula函数来拟合两市在不同尺度上的收益率，并分析其尾部相关性。结果表明:沪深两市的指数时间序列在同尺度下的相关性远远大于不同尺度下的相关性;在同一置信水平下，各尺度下的下尾相关性要大于上尾相关性;并且，随着交易周期的延长，不论是下尾还是上尾的相关性都明显增强。