相关性分析是现代金融分析中的热点和难点，准确度量金融市场之间的相关关系是分析金融问题的必要前提。随着全球一体化进程的加快，金融市场之间的相关结构越趋纷繁复杂，相关模式呈现非线性、非对称和尾部相关等特征。作为多元统计分析和相关性分析的工具,Copula函数能够稳健和实用地描述金融变量间的相关结构，但是单个Copula函数往往仅能侧面地反映金融市场之间相关变化。要想全面地了解金融市场间的相关模式，有必要构造一种更为灵活的Copula函数—混合Copula函数。混合Copula函数具有单个Copula函数所不具有的许多优良特性，它既能凸显成分Copula函数的特性，又能涵盖这些成分Copula函数的混合特性。简单起见，本文以二元混合Copula函数为例，尝试地做了如下几方面的工作。1探讨了基于混合Copula函数导出的相关性测度与基于其成分Copula函数导出的相关性测度之间的关系；提出了采用合成方法产生混合Copula函数随机数的算法，经模拟验证发现该算法是有效的。2采用非参数核密度估计作为金融资产收益的密度估计；利用EM算法和L-BFGS-B算法推导了混合Copula函数参数估计的过程，并编写了混合Copula函数参数估计的R程序。3选用Clayton、Gumbel和Frank Copula函数的线性组合构造了混合Copula函数，研究发现混合Copula函数能准确灵活地反映我国沪深股市之间的相关结构。4提出了混合Copula-VaR模型，经比较分析得出混合Copula-VaR模型计算的上证综指和深圳成指等权组合的VaR是最合理准确的。最后，总结和分析了本文的研究工作，并给出了下一步研究的课题。