美国政府于2018年3月22日宣布对中国商品征收500亿美元关税,并实施投资限制,原因是知识产权侵权等问题。这一“黑天鹅事件”的发生,国际金融市场动荡加剧,中国经济未来发展前景也愈显扑朔迷离。股票市场和国债市场作为中国两个非常重要的金融市场组成部分,它们本身之间具有十分紧密的联系,这种联系体现为这两个市场的相关性。中国股票市场和中国国债市场的相关性情况不仅对中国投资者配置和调整他们各类投资的资金占比十分重要,更是对当下中国经济运行状况以及市场情绪的侧面反映。本文通过研究在中美贸易摩擦前后,中国股票市场和中国国债市场的相关性变化,可以有效反映目前市场对于中美贸易摩擦的总体态度,帮助投资者进行更优的投资决策以及优化政府的政策决策。理论部分,本文首先对股票、股票市场、国债和国债市场做了简单介绍,随后对股票市场与国债市场相关性的理论以及相关性影响因素做了介绍和分析,阐述了有关股票市场和国债市场相关性的理论。紧接着针对论文中涉及的极值理论、ARMA-GARCH模型等统计模型的基础框架与应用场景进行了解读,并且对比了不同类型Copula函数的优缺点。在实证部分,为了反应一段时间内国债与股票市场的波动,本论文选取了2018年3月22日前后各9个月的时间内上海证券交易所国债指数(简称“上证国债指数”)与上海证券综合指数(简称“上证综指”)的对数收益率序列作为参照。通过基本统计分析、时间序列分析等统计检验,明确各序列所具有的性质,并选择最优的时间序列模型进行拟合。同时本文考虑残差的分布状况,当处于GED分布、正态分布、t分布的状态时,构建不同的ARMA-GARCH模型,随后按照AIC信息最小的原则,调取ARMA-GARCH(1,1)-GED模型,针对其边缘分布特征,实现拟合。最后,考虑到在金融时间序列中极端情况发生的严重危害性,引入极值理论,将ARMA-GARCH(1,1)-GED模型的残差分布建立POT模型来优化边缘分布。在求取中国股票市场和中国国债市场相关性时,采用Calyton Copula函数、Gumbel Copula函数等不同类型的五种Copula函数对两市场的相关结构进行建模,通过GOF检验法,确认无论是中美贸易纠纷发生前还是这么贸易纠纷发生后,Gumbel Copula函数都是描述两市场相关性的最优函数,随后运用该函数对上证综指与上证国债指数的相关性关系进行预测。结果表明:在中美贸易摩擦发生后,中国股票市场和中国债券市场的相关性由微弱的正相关转变为了微弱的负相关,这表明中美贸易摩擦使得中国投资市场避险情绪加重。因此我们一方面建议投资者无需过度悲观,当股票市场急剧下挫时,投资国债市场不失为一个良好的理财手段与避险方法,另一方面政策制定者在政策抉择时无需过于顾虑市场稳定,因为市场情绪大体是稳定的。