近二三十年,国际金融市场发生了巨大的变化。金融市场的波动日益频繁,影响金融市场的危机时常发生,风险测度已成为业界关注的话题之一。传统的风险测度方法建立在马克维茨的投资组合理论基础之上,资产之间的相关性为线性关系,资产的收益率服从多元正态分布,用VaR对资产组合进行风险测度。然而大量的研究证明,金融资产收益率存在尖锋厚尾的特性,资产之间存在非线性关系,传统的正态分布模型会低估实际资产的风险大小。与此同时,VaR方法存在一定的理论缺陷,不能满足实际风险管理者的需要。基于此,本文引入Copula函数和CVaR方法。对于单个金融资产,CVaR考虑了金融资产尾部损失的平均值,更适合度量金融资产风险；对于投资组合,通过Copula函数考虑金融资产的非线性相关性,选择不同的边缘分布构建了合适的联合分布损益函数。本文首先讨论了Copula函数在金融市场尾部相关性研究上的应用；然后结合风险测度方法VaR与CVaR,分别采用历史模拟法、方差协方差法、蒙特卡罗模拟法及极值理论计算道琼斯工业指数和香港恒生指数的VaR和CVaR,结果显示,四种方法的VaR均未通过Kupiec返回检验,都低估了股指的实际风险。但是,CVaR的失败率大幅减小,提高了预测精度。考虑股指收益率序列的时变性,本文对单个股指的收益率序列建立GJR-EVT模型,并在此基础上引入Copula函数,建立GJR-EVT-Copula模型,计算股指投资组合的VaR和CVaR,并对模型进行返回检验。研究表明,基于GJR-EVT-Copula模型的CVaR能够准确地度量股指投资组合的风险值。