资产组合一直是金融理论研究的热点和金融实务投资的核心内容。关于资产组合配置的重点在于寻找不同资产之间的相关关系，也就是资产收益率之间的联合分布。由于Copula函数具有能将一个多维联合分布分解为多个边缘分布和一个描述边缘分布间相关关系的相依结构的特性，同时能够很好地捕获变量间非线性、非对称以及尾部的异常情况，因此其在构造资产的联合分布结构方面具有独特的优势。但事实上，资产组合联合分布的性质既来自于资产之间的相依结构（即Copula函数），同时也来自于每个资产单独的边缘分布结构本身。然而有许多的文献在应用Copula函数时忽略了边缘分布的设定对其结果的影响，这可能会带来两个问题。第一，有些边缘分布的假设并不适合资产收益率的数据特征，因此通过边缘分布建模所得到的残差序列可能并不能满足Copula函数使用的前提条件；第二，不同的边缘分布模型所得到的最终结果可能会存在很大的差异，因此如果仅使用一种边缘分布模型去构建联合分布，最终得出的结论可能不够准确。本文借鉴Patton利用Copula连接函数进行资产组合配置的实证方法，通过选择不同的边缘分布模型以及比较它们最终实证结果的差异，来研究不同边缘分布模型对Copula建模的影响。
　　本文使用2005年1月-2019年6月的月度数据，考虑了一个理性投资者在无风险资产、A股市场的大市值组合和小市值组合三者之间进行资产分配，以期取得投资组合最佳收益的问题。该过程首先是通过用12种不同的边缘分布模型（GARCH族、SV族）分别对中国股票市场的大市值组合和小市值组合收益率序列进行建模，进而在得到边缘分布建模的标准化残差后，利用不同的Copula连接函数构造出不同的联合分布，最后在样本外的每一期利用构造出的联合分布进行资产分配的决策。
　　最终的结果显示，几乎所有SV族模型的表现都要好于相对应的GARCH族模型，而在SV族和GARCH族模型内部，表现最好的都是考虑了杠杆效应的模型，反映出目前A股市场整体呈现出了收益率对波动率不对称的影响。就所有边缘分布模型的最终结果来看，不同模型间的结果差异较大，这也说明了边缘分布设定的不同，会对以Copula连接函数构造的联合分布产生较大的影响。在实证过程中，本文也考虑了放松做空限制约束对模型的影响，结果发现如果投资者的交易行为受到不能做空的限制，那么依赖Copula函数所构造的联合分布模型的许多信息内容都会丢失。