近年来,伴随着经济全球化程度的加深,国际金融市场不再是相互分割的个体,各个市场之间的关系日益密切,同时相依结构也演变得更加复杂、多元。美国次贷危机席卷全球金融市场,世界各国在遭受到沉重打击后开始重新思考其金融体系与国际金融市场的关系。精确构建金融市场间的相依结构、科学测度金融市场间的风险溢出效应,对于个人投资者资产配置和监管机构进行宏观审慎管理及防范风险具有非常重要的现实意义。本文以国际上其中六个重要的金融市场为研究对象,分析它们之间的相依性和风险溢出效应。从研究方法来看,能够准确描述金融市场间的相依性最关键的是采用适当的测度多元变量相依性的金融建模工具。一般来说,大部分金融模型都假设收益率序列的联合分布和边缘分布都服从正态分布,然而,经过学者们大量的实证研究表明,金融资产收益率本身具有典型的尖峰厚尾、有偏、自相关性等非正态特征。同时多个金融资产变量之间也有显著的尾部相关性、非线性相依等特征。传统的线性相依测度模型不能准确描述金融市场间的非线性关系,应运而生的Copula函数可以度量非线性相依性,能较好地刻画金融市场间复杂的相依结构,但传统的Copula模型有诸多局限性:二元Copula不能描述高维变量的相依性,多元Copula缺乏准确性和灵活性。此后出现的Vine Copula模型则能较好的解决上述问题。Copula函数只能考察相关结构,无法对风险溢出效应作定量分析,而Copula模型可以进一步与Co Va R值相结合精确测度风险溢出的方向及大小。基于此,本文选取能源、美元、黄金和股票市场作为研究对象,取每个市场的收益率为样本数据。首先,借助ARMA(1,1)-EGARCH(1,1)-t模型结合ETV极值理论分别对每个市场建立边缘分布以捕捉其典型事实特征和极值分布。然后,构建了三种Vine Copula模型(C-Vine、D-Vine和R-Vine),并选取最优的R-Vine Copula模型对市场间的非条件相关关系和条件相关关系进行了分析。最后,在RVine Copula的基础上,运用Co Va R模型对各个市场间风险溢出的方向和大小进行了具体测度。实证分析表明:(1)各市场收益率的描述性统计分析表明,各市场收益呈现显著的尖峰厚尾、非正态性、波动集聚性、自相关性,本文采用的ARMA(1,1)-EGARCH(1,1)-t模型,可以很好的刻画这些特征。同时结合EVT极值理论可以更好捕捉极值特征,更精确地描述了金融收益率序列的极值分布状态。并且经过过滤数据经检验可以进一步用于建立Vine Copula模型,因此本文选取的边缘分布模型是合适的。(2)原油市场与天然气市场、中美股票市场有正相依性,且与美国股票市场的尾部相依性最大,价格同时下跌的风险较大。原油市场和美元市场、美元市场和黄金市场有显著的负相依性。跨市场间的条件相依性比起非条件相依性大幅减小,所以采用其中任意三个或三个以上市场构建投资组合都可以分散投资风险,规避市场价格同时暴跌的风险。(3)各个金融市场之间的风险溢出效应呈非对称性,不同市场之间的风险溢出强度差异很大。能源市场对中美股票市场有显著的风险溢出强度,能源市场的风险极易传染至股票市场;黄金市场和中美股票市场之间有较显著的双向风险溢出效应,黄金市场和股票市场间的风险容易相互传染;美国股票市场对中国股票市场有显著的风险溢出;总体而言,中国股票市场处于风险溢出的接收方,抵御外部风险能力较弱。