本文主要研究Copula理论及其在金融时间序列分析中的应用。论文在深入研究Copula函数的基础上,构建了混合连接模型(mix Copula)来分析汇率市场上美元对人民币和日元对人民币最小风险下的投资组合。然后深入讨论了在Mento Carlo仿真技术下的多标的资产投资组合的问题。针对线性相关系数与传统分析方法的不足,将Copula理论引入金融分析领域。在深入探讨Copula理论的基础上,系统研究了可用Copula函数导出的非线相关性测度的求法,并论述了Copula理论在金融分析中的应用。论文对Copula理论做了系统、全面的梳理和总结,全面介绍了Copula函数的概念、分类和性质。并详细总结了Copula用于多变量建模的方法,包括建模过程中的参数估计方法和非参数估计方法、模型的拟合以及最优Copula函数的判别方法。在金融市场风险分析中,对金融资产相关结构的讨论有着重要的意义。从而引起如何选取较好的相关结构来捕获金融资产间的相关变化规律。本文基于混合连接函数比单个连接函数能更准确反映市场信息,而GARCH模型能够捕获金融时间序列的尖峰厚尾性,波动集聚性。在此基础上建立了M-Copula-GARCH模型,并运用该模型对有美元和日元构成的投资组合进行了风险分析,并求出了二者最小风险下的投资组合比例。本文在详细探讨了基于Copula技术资产组合的Mento Carlo仿真技术的基础上,针对传统风险分析模型的不足,结合Copula技术和GARCH方法,构建了多元Copula-GARCH模型,指出了该模型不仅可以捕获金融市场间非线相关性,还可以得到更灵活的多元分布进而用于资产组合的VAR分析。在此基础上,本文选择上证综指的5只股票构成的投资组合进行了进行了风险分析,通过实证分析证实该模型的可行性和有效性。