随着我国商业银行的金融工具、理财产品等创新速度不断提升,使银行的表内表外风险逐渐暴露,银行所面临的风险已经不仅只是单一风险,不同风险之间呈现出线性或非线性、正向或负向的相关关系,各种因素共同决定了商业银行的风险。目前我国大多数银行在进行风险评价时将银行的各单一风险进行简单加总,没有关注银行不同风险之间的相关关系,简单的风险加总会使得银行的风险评价值比实际偏高,这会导致资本、人力的浪费,影响银行的盈利水平,因此在研究商业银行集成风险时,关注风险之间的相关性和联动性就显得十分重要。本文对传统的风险评价研究进行了相关性研究的补充,通过Copula函数将风险之间的相依性引入整体风险的度量中,得到更加符合商业银行实际情况的风险水平,为商业银行的风险管理提供更加准确的研究方法。本文以13家在A股上市的商业银行为样本,选取相应的风险资产指标刻画银行的信用风险、市场风险和流动性风险。首先利用参数估计和非参数估计两种方法对边缘分布函数进行分析、建模和估计。然后引进Copula函数通过研究风险之间的相依性来度量银行的集成风险,分别利用5种常见的Copula函数进行参数估计,为每一家银行选择最优的函数形式。最后使用蒙特卡罗模拟的方法计算每一家银行的集成风险值以及最优权重的分配,从而得到13家银行的风险排名和各自的风险分布特征。通过实证分析得出利用非参数核密度法对边际分布的拟合效果比较好,进行集成风险度量时,大部分的商业银行利用Gumbel函数的拟合效果比较好,其次是正态Copula函数和T-Copula函数,说明这些银行的风险之间具有明显的尾部相关性。根据13家商业银行的整合风险水平来看,南京银行和中信银行的风险值最大,说明其集成风险较高,而中国银行和招商银行所面的风险比较小。从整体来看,国有制银行的风险普遍较小,且信用风险与市场风险在整体风险总额中起着关键的作用,而股份制银行的风险总额普遍偏高,并且差异比较明显,不同风险之间的权重分布也各有特色,说明每一个银行所面的风险状况都不相同。