随着金融全球化进程的发展，各金融市场之间的相互依存性不断加强，单一股票或市场的分析越来越不能满足金融市场研究的需要，相关性分析在金融应用中变得越来越重要，已经成为金融市场风险度量的关键。但是基于线性相关关系的传统相关性度量只集中于对线性相关程度的度量上，忽略了对金融市场间的相关结构，特别是尾部相关特征的研究。Granger因果分析方法只能做定性分析，无法给出定量的结论。本文将非线性相关分析工具——Copula方法用于金融市场的相关性研究中，分析了上证指数和恒生指数之间的常相关、时变相关的相关性和尾部相关性。 论文的主要研究工作包括以下几个方面： (1)指数收益率边际分布的选取。考虑金融时间序列的实际分布呈现出偏斜、高峰、厚尾等特性，不符合Normal分布的特点，通过K-S检验，发现t分布、GED分布能够很好的拟合金融时间序列的边际分布，本文选取t分布、GED分布作为两指数收益率的边际分布，尾部边际分布模型选取能够刻画金融市场非对称性的EGARCH模型。 (2)描述边际分布相关结构的Copula函数的选取。本文对常相关Copula模型进行了改进，分析了时变Copula函数模型及参数的动态演进过程，用时变NormalCopula函数分析常态下两序列的相关关系，用时变SJCCopula函数分析两序列的尾部相关关系。 (3)实证结果及分析。利用上证综合指数和香港恒生指数的1997组数据，对上海股票市场和香港股票市场的相关性进行了比较分析。首先通过Eviews软件，对两时间序列进行Granger因果检验，发现上海股票市场和香港股票市场直接的影响是显著的；接着通过Matlab6.5平台，分析了两市场收益率的常相关关系和动态相关关系。结果表明上证指数和恒生指数收益率在整体上具有正相关关系，其相关程度近期有增强的趋势，并且下尾部相关性比平常状态下的相关性更强。