随着全球经济一体化的慢慢深入,金融市场之间的联动性越来越强,彼此之间的关系更加复杂,各国市场间的协同性也越来越强。2008年爆发的金融危机对全球经济都造成了深远的影响,一方面反映了对金融市场的系统性风险和危机蔓延的研究是十分必要的,同时也体现出我们当前缺少能够有效监测风险的合理量化和有效的测度方法;而几年后的欧债危机又再一次警示我们要对金融风险研究引起重视。在我们国内,经济体制不断进步改革,市场中各个板块之间的相互依赖与相互影响也变得越来越密切,所以对市场中各板块之间的风险相依性研究也逐渐进入了风险研究人员的视线。在市场中,某一个板块的上涨或下跌常常会伴随着其他关联金融板块的上涨或下跌,且投资人构建的投资组合所含的多种资产之间很可能存在着相关性,极易产生风险传导,进而影响了组合风险度量的准确性。正因如此,市场风险越来越受到广大投资者的关注,对风险进行量化也逐渐成为了金融风险管理工作的重点。随着风险管理理论的不断发展,Copula模型作为一种能够估算多个变量相依性结构的统计模型,应用范围十分广泛。本研究尝试将GJR-GARCH模型,极值理论的GPD分布与Vine-Copula函数相结合,利用日对数收益率数据对与房地产行业、建筑材料行业、交通运输行业与银行业间的风险相依性进行研究和探讨。本文首先利用GJR-GARCH模型对数据进行过滤,考虑到金融序列的厚尾性,我们再将尾部序列用GPD分布构建,最后利用Vine-Copula模型得出四个行业之间的藤结构,找出了其中的主导行业,并计算出相应VaR的值,且得到VaR值通过了回溯性检验,有效的描述了行业高维风险。本文为我们今后的风险管理测度研究提供了一种新的技术方法,同时也为政府监管部门,各大金融机构以及投资者进行风险控制提供了更准确的理论支持,进一步守住金融风险的底线。