经济全球化和金融一体化加强了全球金融市场之间的联系,金融市场之间的关系日趋紧密和复杂。国际间金融机构为了加强自身的竞争能力适应金融市场的变化,不断地推出各种新的金融产品,然而,金融监管措施及体制的完善步伐远远不及金融产品创新的速度,不能对金融机构的创新行为实施有效地监管,这就助长了金融机构的投机行为,加剧了金融市场的波动风险,为金融危机埋下了隐患。2007年美国爆发次贷危机,迅速波及全球,引起全球股市震荡,造成经济恐慌,随之引发了希腊主权债务危机等。这些极端风险事件使得各国金融机构意识到了加强金融风险监管的必要性与紧迫性。只有对市场发生风险的可能性和风险的大小进行有效地测量,才能对金融市场实施合理的风险管理。因此,风险测度问题已经成为当今管理者和学者的重要研究课题。在风险度量以及投资组合策略选择的过程中,资产分布确定是关键因素之一,传统假设情况下一般采用正态分布来刻画资产乃至资产组合的分布。然而当投资到不同类资产,或者即使是拥有不同边缘分布的同类资产,往往基于传统的多元正态分布建立多项资产的联合分布是不符合现实情况的,本文选用Copula函数对边缘分布进行连接,弥补了传统风险测度方法的不足,Copula函数可以连接各种边缘分布,构造出灵活的多元分布,本文通过对Gumbel Copula、Frank Copula、Clayton Copula及t-Copula的比较,选择了t-Copula连接函数对沪港、沪深两市的相关性进行研究。文章指出沪港两市之间的相关系数较小,两市之间具有较弱的联动作用；而沪深两市间的相关系数较大,两市之间具有较强的相关作用,当其中一个市场发生波动,会迅速通过相关部分传导至另一市场,此时另一市场也将会表现出相应的波动特征,对沪港两市进行投资组合能够较好地降低投资风险。尽管Coupla在风险建模中应用广泛,但在用Copula对投资组合建模时大多数都没有考虑边缘分布的非对称性。本文从中国股票市场指数收益率的特征分析入手,选取上证指数、深成指数和恒生指数股票指数为研究对象,为了能够更好地描述三个股票市场收益率指数的尖峰厚尾、偏态和波动聚集特征,运用EGARCH-t模型对收益率的条件波动率进行建模,接着,运用极值理论对标准残差序列的尾部分布进行建模,刻画了中国股市极值风险,得到半参数化边缘分布的EGARCH-EVT模型。然后,利用t-Copula函数分别对沪深、沪港两市投资组合进行连接,得到EGARCH-EVT-tCopula模型,建立了投资组合收益率的多元联合分布,利用Monte Carlo方法模拟产生投资组合收益率的未来可能情形,分别求得沪深、沪港两市的投资组合的风险值,且探讨了不同置信水平下风险值的大小,并将之与历史模拟法和建立在GARCH-EVT-tCopula模型下得到的风险值进行对比,用后测检验法对得到风险值进行检验。研究结果表明EGARCH-EVT-tCopula模型不仅能够够准确刻画边缘分布的尖峰厚尾性、异方差性和不对称性,且能够更准确地测度投资组合风险。