本论文以研究基于Copula的Mean-CVaR投资组合模型及应用作为主线，首先从M-V模型入手，讨论Variance作为风险度量指标的优缺点，并对比分析了CVaR作为风险度量指针地优缺点，主要突出分析了CVaR作为一种风险度量指标具有比VaR更良好的性质，并进行实证分析。　　讨论了Mean-CVaR模型的优越性和良好性质后，下面讨论针对Mean-CVaR的优化中对情景的产生进行研究，运用Copula方法来产生情景，并通过与多元正态分布和历史模拟方法进行对比，得到通过Copula可以对改善投资组合的收益具有良好的效果，并对三种基于Copula的情景产生方法:t Copula，Archimedean Copula和EVT Copula进行了对比，说明了针对尾部的情景产生方法在组合优化中具有良好的作用。在分析了基于Copula的情景产生算法后，然后主要以信用风险组合为例分析了基于Copula的情景产生在单期的投资组合优化中的应用。　　大量实证研究表明:资产价格的条件波动呈现出长记忆或大范围的持续性，针对金融时间序列中不同时段的模型的参数和结构可能变化的特征，研究分析了变结构的模型结构在描述变量变化和投资组合模型中的应用，并进行了实证分析。　　由于相依结构的影响，所以随着各个变量间的相依结构的变化那么其各个资产间的投资权重也会发生变化，国内更多的是将混合Copula应用到变量相关性的分析中，目前还没有文献阐述混合Copula在投资组合中的应用。为了更好的拟合数据并产生情景，重点阐述了混合Copula方法在金融投资组合中的应用研究，针对二元混合Copula族的投资组合模型进行了实证研究，并提出混合多元Copula族的构建结构。　　分析了Copula在单期的投资组合优化中的作用后，然后主要针对当前应用比较广泛的多期投资组合中的随机规划(SP)中多期状态下维数容易出现爆炸的现象，针对描述路径的2个方法，路径树和情景树，分别写了Copula针对情景树和路径树的算法，通过将Copula应用到多期规划的情景产生中，可以一定程度上克服情景产生中情景爆炸现象，同时与原先常用的多元正态联合分布进行实际对比分析，得出Copula模型在防止维数爆炸和描述问题准确性和模型的简洁性方面具有良好的性质。　　最后将前面研究的Copula在随机规划中和M-CVaR结合的多期模型应用到保险公司和银行的资产负债管理资产负债管理中，建立了其相关的模型并进行实证分析。　　本文以Copula在投资组合中应用的研究作为主线，分别分析了Copula在单期和多期的基于Mean-CVaR的投资组合优化模型中的应用，通过方法分析和实证对比说明了基于Copula的情景产生方法在投资组合优化中的良好性质，并对其一些应用的实例进行了实际分析和对比，为其阐明了一个详细的分析和应用架构，为投资者进行单期或多期的投资策略提供了一个可供选择的方法和分析策略。　　根据前面的一些研究成果，主要采用风险管理，组合优化，线性规划，Copula，随机规划和资产负债管理(ALM)等方面的知识进行研究。　　研究的主要内容　　第一章导论　　主要阐述论文选题意义，介绍了国内外主要研究成果，概述了本论文的研究思路、方法、结构安排和主要内容以及创新之处。　　第二章Copula理论与重要性质　　这章重点分析了Copula理论与重要性质，主要包括Copula理论与其性质，以及相依性度量，Copula的估计，Copula的密度函数，Copula随机数的产生，拟合指标等，为下面进行Copula在Mean-CVaR投资组合模型中的应用打下基础。　　第三章基于CVAR测量风险的投资组合模型的探讨　　这章作为进行Mean-CVaR投资组合模型的理论基础，主要阐述了为什么要选用Mean-CVaR作为分析的投资组合模型，并通过实证对比分析了其良好性质。　　第四章Copula在单期投资组合模型中应用的研究　　本章针对单期Mean-CVaR中存在的问题，重点分别运用不同copula族来进行分析，主要解决了三个方面的问题:　　(1)针对多元分布中尾部聚集的情况，针对边际分布主要采用ARCH，GARCH模型来更好地拟合边际分布的聚集现象，针对联合分布主要分析了t Copula族，Archimedean Copula族，EVT Copula族在解决联合分布聚集特征中的优缺点并设计了相关具体的算法。　　(2)针对金融时间序列中不同时段的模型的参数和结构可能变化的特征，研究分析了变结构的模型结构在描述变量变化和投资组合模型中的应用，并进行了实证分析。　　(2)针对变量相关性的变化引起投资组合权重的变化，分析了混合Copula模型在更好地拟合相关性变化以及反映权重变化中具有一定地准确性，但存在巨大地风险。　　第五章基于Copula的情景产生方法在多期投资组合中的应用研究　　本章主要将Copula应用拓展到多期投资组合中的情况，针对当前应用比较广泛的多期投资组合中的随机规划(SP)问题进行了研究。针对随机规划中多期状态下维数容易出现爆炸的现象，针对描述路径的2个方法，路径树和情景树，分别写了Copula针对情景树和路径树的算法，同时对原先常用的多元正态联合分布进行实际对比分析，得出Copula模型在防止维数爆炸和描述问题准确性和模型的简洁性方面具有良好的性质。　　第六章基于多期的Copula情景产生模型在资产负债管理(ALM)中的应用研究　　第六章主要将第五章研究的Copula在随机规划中和M-CVaR结合的多期模型应用到资产负债管理中，建立了其相关的模型并进行实证分析，为保险公司和银行的ALM分析提供了一种可供参考的方法。　　创新点　　本文的创新点主要体现在以下几个方面:　　Copula在单期Mean-CVaR中的应用，主要解决了三个方面的问题:　　(1)针对多元分布中尾部聚集的情况，针对边际分布主要采用ARCH，GARCH模型来更好地拟合边际分布的聚集现象，针对联合分布主要分析了t Copula族，Archimedean Copula族，EVT Copula族在解决联合分布聚集特征中的优缺点并设计了相关具体的算法。　　采用t copula主要是因为其简洁性和易于操作性，且容易描述其尾部的聚集特征和联合变化，但缺点是尾部聚集特征是对称的。　　采用Archimedean Copula虽然能够解决尾部聚集特征和收益的非对成性，但缺点是易产生出现多元随机数产生较困难，同时易出现模拟的情景出现巨大变化的情况，影响最优决策。　　采用EVT Copula具有一定的实际操作性和应用广泛性，但是对于EVT分布的情景的产生具有一定的难度和参数设定的任意性。对于含有时序的多元情况，强调了可以采用神经网络的技术来提高预测准确性，同时可以更好地提高实际收益率。最后通过信用风险组合进行实例分析，表明Copula族在信用风险中具有良好的应用效果。　　(2)针对金融时间序列中不同时段的模型的参数和结构可能变化的特征，研究分析了变结构的模型结构在描述变量变化和投资组合模型中的应用，并进行了实证分析。　　针对变量相关性的变化引起投资组合权重的变化，分析了混合Copula模型在更好地拟合相关性变化以及反映权重变化中具有一定地准确性，但存在巨大地风险，并提出了分阶段和分行业组合构建Copula模型方法。　　将Copula应用拓展到多期投资组合中的情况，针对当前应用比较广泛的多期投资组合中的随机规划(SP)问题进行了研究。针对随机规划中多期状态下维数容易出现爆炸的现象，针对描述路径的2个方法，路径树和情景树，分别写了Copula针对情景树和路径树的算法，并同时对原先常用的多元正态联合分布进行实际对比分析，得出Copula模型在防止维数爆炸和描述问题准确性和模型的简洁性方面具有良好的性质。