Copula模型是捕捉金融时序尖峰厚尾性的一种有效工具,在非线性低频数据分析中表现出显著优势。但伴随金融产品丰富性提高,即时交易产生的大量信息被忽视,市场对高频交易的实证分析需求逐渐增多,需要切实可行的分析方法与交易策略建议。本文首先概述了关联分析方法的研究历程及发展概况,给出了关联分析主要方法及使用场景。其次,通过对黄金、原油和道琼斯工业指数的实证分析,分别利用向量自回归方法、Granger因果检验法、二元Clayton-Copula模型、三元t-Copula模型捕捉低频样本数据间的关联关系,并采用Monte Carlo仿真法分别估算出实证对象的在险价值VaR。实证结果显示现有模型无法确定低频样本数据间是否存在关联关系,基于低频Copula模型预估出在险价值的精准度还较为粗糙,高估风险2.5倍。随后,本文将分析标的从低频数据延伸到高频数据,研究了高频数据的相关概念及主要特点。利用H-Granger检验法确定高频数据分析的样本间隔,并基于高频数据及Copula理论进行高频Copula模型的实证研究,将Copula理论推广到高频金融数据中,验证H-Copula高频模型的可行性和有效性。通过建立H-Clayton-Copula高频模型和H-Frank-Copula高频模型捕捉原油、黄金高频数据间的关联关系,并采用与前文低频数据分析相同的仿真模拟估算VaR值。结果显示,高频Copula模型相对于低频Copula模型对于风险捕捉的误差降低,从高估风险2.5倍降低到1.3倍。本文在实证分析基础上,提出Oil-Granger-Copula混频交易策略。针对原油产品建立多元混频Copula模型交易策略,形成对原油分析具有标准化的分析方法。