随着世界各国之间对外贸易的不断加深以及对资本流动、技术转移和提供服务限制的逐渐放开,全球经济、金融市场由此形成了一个不可分割、相互影响的整体。全球金融市场之间的价格协同运动使得世界上任何国家金融市场的局部波动都会快速的波及、传染、放大到其他金融市场,产生巨大的蝴蝶效应。金融市场间的相关关系变得越来越复杂,多呈现非对称、非线性以及尾部相关的结构形式。而Sklar提出的Copula函数可以捕捉到随机变量间非线性的相关关系,同时Copula函数可以迅速有效地捕获到非正态、非对称分布的尾部相关信息,在运用Copula理论建立金融序列模型时,还可将随机变量的边缘分布与它们之间的相关结构分开来研究,其中它们的相关结构可由一个Copula函数来描述,这就大大简化了变量建模问题。因此,运用Copula理论研究金融市场间的相关性具有非常重要的理论意义和应用价值。文章研究的重点包括三个部分：第一,对Copula函数的性质及其函数族做了详细的讨论,在相关性的测度上引入了几种直观的图形检验方法,其中包括通过观测样本的秩数对,判断变量之间的相关关系以及在引入秩数对的基础上提出了Chi-plot和K-plot检验方法。第二,将半参数的估计方法与参数估价方法做了简要的对比,分析了二者的优劣势。同时,介绍了一种在半参数估计方法下检验模型拟合效果的方法,S。检验方法。第三,采用参数估计方法和半参数估计方法实证分析了沪深指数收益率序列间的相关关系,通过拟合优度检验对多种Copulas函数进行筛选,发现Gumbel Copula函数和t-Copula函数从整体上描述两者相关结构的能力较好,但为了更客观反映二者之间的关系又构造了M-Copula,结果表明其刻画沪深股市间尾部相关性的效果更好。研究内容的创新点主要表现在以下两个方面：第一,在相关性的测度上引入了几种直观的图形检验方法,使得应用更加便捷。第二,实证分析了沪深指数收益率序列的相关结构。