随着我国对外经济贸易的日渐开放，金融衍生产品不断地引进和完善，国内金融市场也日益复杂和多样化。处在金融危机频发的时代，如何采用合理的方法来度量金融市场的风险则显得相当重要。Copula理论可以度量变量之间的非线性相关关系，并能够将边缘分布和联合分布分开来考虑，故其成为当下处理金融风险的一把利器。如何选择一个合适的边缘分布对于Copula建模起着至关重要的作用，很多实证表明GARCH-t模型能够很好地描述金融时间序列“尖峰厚尾”的特性，传统GARCH模型的参数估计采用的是极大似然估计方法，当遇到目标函数没有极大值时，传统方法很难实现目标函数的数值最优化。贝叶斯估计是建立在贝叶斯理论基础之上，将待估参数看成随机变量，结合先验信息和数据信息从而得到参数的后验密度，在此基础之上做进一步的统计推断。与传统方法相比，通常贝叶斯估计量具有更小的方差或平方误差，能够得到更精确的预测结果，贝叶斯最大后验置信区间比不考虑参数先验信息的频率置信区间短。将贝叶斯估计方法应用于GARCH模型的参数估计，能够很好地解决传统估计中遇到的一系列问题，同时GARCH模型一系列的约束条件也适合用贝叶斯估计方法。本文在介绍Copula理论和贝叶斯理论的基础之上，采用贝叶斯估计方法来进行时变Copula-GARCH模型的建立，最后以农林、制造、运输、地产和文化五个指数作为研究对象，考察了其常相关和时变相关关系，并基于Z检验方法，考察了其变结构情况，研究结果表明：2011年11月份地产行业由于受国家政策限制、库存激增及地产商资金紧缺的影响，其与制造指数、文化指数的结构发生了显著变化。