金融风险管理在帮助个人、金融机构、以至各国规避风险,获取安全的投资环境中起着越来越重要的作用。根据定义,金融风险管理是一种评估和管理投资者所面临的金融风险的过程,它依据一定的方法降低投资者已识别风险的风险暴露。准确地度量风险并做出有效的投资决策,能为投资者提供竞争优势和可观收益。而事实上,金融风险的度量是受到真实的金融变量的限制。大量的证据表明,金融变量通常呈现出厚尾、有偏和非对称相关的特征。这些特征事实对传统金融风险管理中基于正态分布假设的方法提出了挑战。这些挑战包括以下三个方面。第一,一元正态分布,或者其它的椭圆分布无法充分拟合单一变量的一元分布；第二,尽管多元正态分布在拟合多元变量的分布时很容易处理,但是它不能刻画多元变量的超额峰度和超额偏度。因此,它会低估多元金融变量的相关性风险；最后,当不同变量之间的联合分布是非椭圆分布时,在传统投资组合风险管理中常常用于描述变量之间相关性的线性相关系数也是无法充分描述这些变量之间的相关性的。为了解决这些问题,本论文寻求一种基于Copula函数的优质模型,通过联合GARCH模型和已实现波动(Realized Volatility)模型来研究多元金融变量之间的风险。本文的主要贡献有如下三点。首先,通过联合GARCH模型和已实现波动模型,使用Copula函数构造多元分布,而后用以估计金融市场的投资组合风险。结果显示,基于Copula函数的模型在拟合金融数据时要比传统模型表现的更好。其次,不同的边际分布模型对投资组合的风险价值(Value at Risk)有显著的影响,如本文使用的GARCH模型和已实现波动模型。最后,边际分布和相关性结构中都存在显著的偏度。从而,有偏的学生T分布比正态分布或者学生T分布能更好的拟合所选数据。本文的结构如下。第一章强调投资组合风险管理的重要性,并阐述度量金融风险——风险价值——的众所周知的方法。第二章介绍相关性的背景知识和Copula函数理论。同时,本章讨论了Copula函数在参数不变和参数变化时的两种应用。另外,本章也解释了Copula函数的参数估计方法和模型选择方法。在第三章,给出边际分布的建模方法。分别使用了GARCH模型和已实现波动模型对所研究金融变量的边际分布进行建模。第四章阐释,如何通过Monte Carlo模拟,使用所构造的基于Copula函数的模型预测风险价值。同时,本章也详细的给出了研究范例和研究结果。第五章是本文的结论和一些建议。