随着金融全球化进程的发展，各金融市场之间的相互依存性不断加强，单一股票或市场的分析越来越不能满足金融市场研究的需要，相关性分析在金融应用中变得越来越重要，已经成为金融市场风险度量的关键。但是基于线性相关关系的传统相关性度量只专注于线性相关的程度,忽视了金融市场结构之间的关系,特别是尾部相关特征的研究。Granger因果分析方法只能做定性分析，无法给出定量的结论。本文将非线性相关分析工具——Copula方法用于金融市场的相关性研究中，分析了上证指数和恒生指数之间的常相关、时变相关的相关性和尾部相关性。本文的内容结构安排如下：第一部分介绍选题背景及意义、国内外研究现状；第二部分介绍关于Copula的一些基础知识；第三部分介绍建模、参数估计和检验；第四部分介绍本文用到的静态和时变Copula函数；第五部分实证研究；第六部分为结论。关于研究的方法,目前的研究多是假设边缘分布服从t分布或正态分布,采用静态Copula方法研究两个城市之间的相关性或尾部相关性,一般采用参数估计方法(Parametric Approach),参数估计方法一般会对边缘分布函数作相关的假设（假定服从t分布或服从正态分布等）,但假设很难符合实际的情况,因此边缘拟合效果往往不是很好,这往往影响参数估计效果。本文用基于秩的极大似然估计的方法,通过静态C opula和时变C opula对沪港股票市场相关性及尾部相关性进行研究。结果表明,沪港股市的相关性总体呈现增长趋势；尾部相关性方面，下尾相关程度略大于上尾，按两阶段分析，第一阶段几乎不存在下尾相关，上尾相关亦不明显；第二阶段的尾部（尤其是下尾）关联程度明显高于第一阶段，并且下尾相关程度大于上尾。