随着现代金融的发展，金融市场间的相关关系越来越复杂，基于线性相关系数的分析方法已经不能准确反映金融市场的相关信息。而Copula可以把多个随机变量的边缘分布连接在一起形成联合分布，这一独特的性质适应了现代金融市场相关分析的要求。因而，Copula理论开始被引入金融领域。应用Copula函数可以很好的刻画各金融资产收益率的真实分布与相关关系，从而可以建立起更为有效的风险管理模型。 本论文主要研究Copula理论及其在两变量金融时间序列分析上的应用。论文首先对Copula的概念、性质、模型选择和检验以及如何具体构建Copula-GARCH模型做了详细的介绍，并运用Copula理论结合中国股市数据进行了实证研究，分析了沪深股市收益率序列的边缘分布模型以及其相关关系。 第二章系统性地介绍了Copula函数的定义、基本性质，以及几类重要Copula函数的表达式，并对几类相关性指标做了深入地探讨。 第三章详细介绍了Copula模型的建模方法。在确定金融市场收益率的边缘分布时，本文结合ARCH类模型在金融时间序列分析中的应用特点，构建了灵活的二元Copula-GARCH模型。另外，还讨论了模型估计方法和检验方法。 第四章是在Copula-GARCH模型的构建基础上，对上海和深圳股市之间的相关性进行了实证研究。实证表明，GARCH-t(1，1)模型可以较好的描述具有条件异方差特性的金融时间序列间的边缘分布，而Gumbel Copula函数能够准确地捕捉到沪深股市间收益率的相关性变化。 文章的最后一章是对整篇论文的总结和评价，并对进一步的研究进行展望。