随着金融和保险业空前大发展，市场之间的相关关系也日趋紧密和复杂化，从而使金融资产间的相依关系的考察和利用逐渐成为人们热衷的研究课题。之前的常用线性相关系数在实证中已被证明它们在刻画金融序列间相关结构上存在着严重的缺陷，已不能满足变幻莫测的金融市场，直到Copula函数的出现，它很好地填补了相关性分析这方面的缺陷。传统上，我们刻画资产间的相依结构都是用某一种Copula族，但是实际上在不同的金融大环境中，很多数据间的相关结构常常呈现出不同的特性，它们之间的相关关系随时间的改变而不断变化，所以单单由一种相依Copula难以准确刻画相依结构，它可能需要由几种不同性质的相依Copula结构的混合来刻画，这也正是构建混合Copula模型的意义所在。本文在已有研究的基础上，主要做了如下的工作:　　首先，介绍了Copula基础理论，引入经典的混合多元Copula模型，并对模型进行改进得到带时间阈的混合多元Copula模型，以解决经典模型容易弱化不同时段与市场波动的特定关系的弊病，并给出了带时间阈的混合Copula模型参数估计法和改进的拟合优度检验方法;其次，介绍VaR的相关理论，将带时间阈的混合多元Copula模型应用于金融市场投资组合风险价值的研究，给出了投资组合风险价值估计的随机模拟算法。算例中结合实际金融数据构建了两个具体混合Copula模型:经典的和带时间阈的混合模型，给出了它们参数极大似然估计的EM算法，利用给出的两个混合Copula模型分别进行了投资组合风险价值估计，并进行事后检验，对比结果表明改进的混合模型增强了风险估计时效性;最后，将混合模型应用到尾部相关性分析，提出了通过尾部样本数据拟合Copula函数进而得到尾部相关系数估计的思想，给出了基于尾部样本数据的尾部拟合参数估计和拟合检验方法及相应的尾部相关系数估计方法，利用给出的方法探讨了上证和深证指数间的尾部相关性，同时将混合模型和单一Copula的相关性分析结果进行对比，得出混合模型能更准确的刻画尾部相关性的结论。