随着金融全球化进程的加快，金融市场间的联系日益紧密，金融市场上的波动也日益频繁而复杂，呈现出非线性、非对称和尾部相关等特征，从而对金融风险度量提出了愈高的要求。VaR方法是度量金融市场风险的一种有效方法，但传统的基于正态分布的金融风险度量已不能很好地拟合金融市场的真实波动。另外，金融资产间的相依性度量也是风险管理的一个重要问题，而传统的基于线性相关的假设不能很好地刻画金融资产间复杂的相依性，给投资组合的风险管理增加了难度。近年来学者们提出的Copula函数为解决这一难题提供了有效的工具。利用Copula函数可以构造灵活的分布函数，揭示金融市场的各种复杂相关模式和相关程度，从而建立起有效的风险度量模型。　　本文主要研究基于Copula-GARCH模型的投资组合时变风险度量。　　首先利用GARCH模型来刻画金融资产收益率序列具有的尖峰厚尾、条件异方差性、波动集群性等特征，并检验收益率序列的杠杆效应。再基于不同分布假设计算风险价值，给出了时变风险价值的估计方法与后验分析。在此基础上本文进一步构建Copula-GARCH模型来刻画投资组合资产间的相关性，并运用MonteCarlo模拟法计算投资组合的时变风险价值。　　本论文的创新之处主要有以下两点:　　首先，在对单个资产的风险价值度量中，分别在正态分布、t分布、GED分布假设下，应用GARCH模型求得风险价值，并通过后验分析来比较不同假设下的度量效果，综合考虑整体拟合效果和VaR后验分析两个方面来确定最适合每个资产收益率分布特征的分布假设，扩展了传统分析中只注重整体拟合效果的模型选择标准。　　其次，以多支实际股票数据来实证Copula-GARCH模型对于投资组合时变风险度量的有效性。本文的结果比以往的研究更具有现实意义。