依托“互联网+”和大数据背景,近年来,P2P网贷行业在中国发展迅速。同时,由于监管不成熟,P2P网贷市场风险频发,且多个区域同时发生“爆雷”、跑路等情况,随时可能引发系统性风险。为控制风险,规范P2P网贷的发展,2014年以来,监管当局陆续出台政策对其进行整治与规范,其中2016年之前属于监管探索期,随着2016年8月监管细则的落地,P2P网贷市场才逐渐进入规范监管期。基于此背景,文章从区域角度出发,选取部分区域P2P网贷利率,研究了区域间P2P网贷市场的相依性,并且考虑“宽监管”与“严监管”两个阶段下相依性的变化,对比分析了宽严监管下的区域间P2P网贷市场相依结构的差异。文章主要工作和结论如下:（1）采用低阶矩模型和高阶矩模型对各区域P2P利率波动特征进行估计。通过系数显著性等检验发现,低阶矩模型中,基于t分布的GARCH（1,1）模型在刻画区域P2P市场的低阶矩风险较有优势;高阶矩模型中,基于Gram–Charlier扩展分布（简记为GCE）的GARCHSK模型在刻画区域P2P市场的高阶矩风险上更有优势,且基于GCE分布的GARCHSK模型在信息准则和对数似然值检验中又比GARCH-t模型的表现更好。具体结果表明,多数区域的P2P利率具有较强的波动持续性,少数区域波动持续性较弱。同时,多数区域P2P利率的偏度和峰度具有时变性,即多数区域P2P市场存在高阶矩风险。（2）分别以低阶矩模型和高阶矩模型作为边缘分布,采用R藤Copula和C藤Copula估计宽监管期和严监管期P2P区域相依结构。结果发现,宽监管时期的相依性总体高于严监管时期,证明了趋严监管的有效性;在高阶矩和低阶矩模型下估计得到的相依结构同时具有相似性和差异性,其中宽监管期,两者藤结构的中心连接点相同,严监管期,两者藤结构的中心连接点则存在差异。此外,严监管期,低阶矩下的相依结构中几乎不存在尾部相依性,而高阶矩模型的相依结构中各区域普遍表现出尾部相依性。（3）采用Vuong检验对两种相依结构进行比较分析,结果表明,无论是在低阶矩还是高阶矩模型下,宽监管期,R藤更适合刻画P2P区域相依结构,严监管期则是C藤更适合。藤结构的变化说明,相比宽监管期,严监管期各区域间已经形成了一个相对稳定的相依结构。整体来看,高阶矩模型作为边缘分布在刻画区域相依结构方面相比低阶矩模型略胜一筹。