在风险管理中，如何提高风险度量精确度是众多学者研究的热点问题。提高风险度量精度通常可以从两方面入手：一是采用有效的风险度量模型，如VaR和CVaR。二是提高金融资产收益分布的估计精度。近年来，对金融资产收益分布的研究受到风险管理界越来越多的关注和重视，这主要是人们认识到对收益分布估计的好坏将直接影响到风险度量精度的高低。极值分布被认为是一种能够准确描述收益分布尾部特征的分布，然而长期以来对多元极值分布的研究一直停留在统计学研究的范畴内。在已搜索到的文献中，鲜有将多元极值分布用于度量金融风险的研究。连接函数理论在多元分布的研究中具有独特的功能，它通过将多元分布分解为边际分布和相关结构而降低了分析的复杂程度。 本文正是基于提高风险度量精度这一目的，探索一种能够较好估计资产组合风险的方法。论文研究的主要内容是：资产收益服从多元极值分布时基于CVaR的最优投资组合的风险状况及在不同约束条件下投资组合的变化情况。论文的创新之处在于建立了一种能够有效描述资产收益尾部分布的多元极值分布模型。论文首先介绍了金融市场风险管理的理论和方法——VaR法。在分析VaR方法的优缺点后，提出了基于CVaR的最优投资组合模型。然后利用连接函数理论构建了多元极值分布模型，同时论文阐述了收益服从多元极值分布时情景收益率的模拟方法。最后我们以华夏成长基金中十大重仓股作为实证分析的对象，用本文提出的模型分析了组合收益服从多元极值分布时基于CVaR的最优投资组合的风险状况及组合期望收益率对投资组合的影响。 由实证得到的结果说明论文中提出的多元极值分布模型有效的描述了资产组合收益分布的厚尾性，能够较好的度量组合风险。