对金融资产间相关性的研究,是金融理论和实践中的一个基础性问题。在涉及到多个资产的许多场合,比如资产定价、资产选择、波动溢出以及风险管理中,都需要考虑资产间的相关性。而我们知道,金融市场是一个由复杂的动态系统,相关性结构也受到很多内外因素的影响,如果将相关性视为固定不变,会有失偏颇。因此在处理金融资产间的相关性时,考虑其动态结构是非常有意义的。对相关性动态演化过程的描述有几种不同的方法,本文考虑了其中的两种描述方法。一种是时变相关性模型,其特点是相关性在时刻变化。另一种是状态转换模型,其特点是相关性指标在某一状态下是固定不变的,而在不同状态之间则有所区别,在不同状态间的转移过程服从一个马氏链。在前一类模型中,具有代表性的是Engle提出的DCC模型,该模型简洁地刻画了相关性的时变演化过程,同时具有估计上的优势。我们通过引入Copula函数的概念,指出DCC模型是一种特殊的正态Copula模型,进而将其推广到广义形式。我们使用灵活的边缘分布来取代DCC模型中的正态假设,分别构建了正态Copula和t-Copula下的广义DCC模型。对我国股市的实证研究表明,使用厚尾分布如t分布、GED分布为边缘分布,可以更好地度量投资组合在99%置信水平下的VaR值。在后一类模型中,我们通过在Copula函数中引入状态变量,构建了一类含有状态转换的Copula模型。我们讨论了该模型下的一般应用,并分析了该模型在相关性度量上的特点。对于我国股市的实证研究表明,使用状态转换Copula模型可以很好地解释相关性在不同行情走势下的区别。