股票市场中的数据变化趋势常常呈现出尖峰厚尾,不对称等特性。为了计算的方便,在很多情况下都事先假设数据服从特定的分布,比如正态分布等。虽然正态分布假设在拟合数据的分布时提供了很多便利,但是结果与实际情况往往并不相符,它低估了不同股票问的相关性影响。Copula理论在股票市场的应用中克服了多元正态分布的假定,既可以描述变量之问的相关程度,还可以描述他们的相依结构。因此,Copula理论所建立的模型能够更好的描述股票市场中的相互关系。本文介绍了Copula函数的一些基本概念及相关性质。对两种常用的二元Copula函数选择方法(基于参数自助的似然准则检验方法和基于参数自助的拟合优度检验方法)进行了比较分析。在基本的单参多元Copu la函数的基础上研究了三元Copula函数选择的KL信息测度的方法以及另一种常见的基于Rosenblatt变换的模型选择方法。通过比较发现KL信息测度的方法的识别率更高,更适合于研究股票市场中不同股票之问的相关关系。然后利用KL信息测度的方法比较了多元单参Copula和多参Vine Copula函数在模型选择问题上的优劣势,结果显示Vine Copula在描述不同股票问的相互关系时更胜一筹。最后用KL信息测度的方法,对三支房地产股票华联控股(000036.SZ)、深物业A(000011.SZ)、中粮地产(000031.SZ)之问的关系给出了一个合适的Vine Copula函数。