近年来，科技发展日新月异，各国的贸易往来日渐频繁，全球经济日渐交融，各个市场再也不能独立的运转了，不同市场之间的联系也表现出了时而强时而弱的漂浮不定的规律。因此，怎样准确的测量不同市场相关关系的变化开始成为学界关注的对象。精准的把握不同市场之间的相关关系，可以帮助投资者进行明确的投资组合管理，探究经济运行的可能轨迹。一直以来，人们只关注大宗商品的商品属性，认为大宗商品与股票的相关性很低甚至是负相关的，而顺理成章的将大宗商品加入到投资组合中来缓释风险。但是，近年来该中投资组合频频失效，这不得不让我们思考股市和大宗商品市场的相关性是否在随时间变化？目前国内主要采用DCC-MGARCH模型来捕捉股市和大宗商品市场相关性的变化，但是由于该模型的假定过于苛刻，不符合现实情况。而Copula函数能够灵活的连接不同分布的函数，就灵活性和适用性来讲都优与DCC-MGARCH模型，故本文也才采用了时变Copula模型来捕捉两个市场相关性变化的趋势图，并进一步探究了造成股市和大宗商品市场相关性变化的可能性原因。
　　具体而言，本文探究了上证综指和南华大宗商品指数之间的相关关系，并在此基础上进一步细化，探究了上证综指和农产品、能化、工业品、金属板块相关关系的变化。本文采用DCC-MGARCH模型和Copula模型的结果是一致的，这也相互验证了结果的正确性。结果表明上证综指和能化、工业品、金属板块的变化趋势与上证综指和大宗商品市场的整体变化趋势是一样的，并且呈现出了剧烈波动的现象。具体分析，2009年1月-2013年6月以及2015年7月-2018年10月股票市场与大宗商品市场之间的联动性关系比较高，可能是由于2008年金融危机爆发以及2015年下半年中国股市突然大幅下降导致的。而2013年7月-2015年6月，股票市场与大宗商品市场之间的联动性关系变现出一直下降现象，并且相关性非常的低，甚至不存在相关性。而上证综指和农产品板块的相关性变化相对于其他板块而言，变化相对平缓，并表现出了一定的周期性，这与农产品周期性成熟有关，而且政府对农产品市场具有一定的政策扶持，这也是导致其相关关系变化相对平缓的原因。然后根据第四章实证结果，进一步探究了大宗商品市场与股票市场收益率波动联动效应的驱动因素，主要从宏观基本面和非基本面两个方面解释股票市场与大宗商品指数的联动性驱动因素。从宏观基本面情况来看，选择的经济景气先行指数（EPFI）对资产相关系数的解释力不显著，而波罗的海干散货指数（BDSI)对资产的相关系数显著为负，表明在国际大宗商品需求较差时，大宗商品和股市的联动性会上升。同时，通货膨胀率的上升也会导致股市和大宗商品市场的联动性会上升。而对于非基本面情况来看，中国股票市场波动率（IVX）越大，其表示的金融资产承受风险的能力越差，股票市场和大宗商品及其子市场的联动性越强。而中国金融压力指数对资产相关系数的解释力是显著为负，说明中国金融市场压力增大，会加剧股票市场与大宗商品市场的联动性。再者股市的流动性减弱、股市的波动情况增强都会导致股市和大宗商品市场的联动性增强。最后根据前面几章的结果，结合中国的股票市场和大宗商品市场的现状在风险监测和防范机制、金融监管以及适时进行宏观金融动态调控方面给出相应的政策建议。