在改革开放进一步深化和经济发展的不断推动下,我国金融市场逐步发展健全和完善,金融市场之间的依赖性和金融资产的价格协同效应愈来愈显著,其中股票市场作为金融市场的重要组成部分,不同市场、不同板块、不同行业以及不同股票之间常常存在着联动效应,某一市场或资产的波动,经常会引起其他市场或资产的波动,导致风险会迅速波及、传染、放大至其他市场或资产。随着我国股票市场的深入发展,不同上市公司之间的联系和依赖越来越强,公司股票之间的关联性也越来越明显,对我国大型上市公司股票收益之间的关联性和投资风险进行分析,对投资组合构建、市场风险管理乃至股市的健康发展都有着十分重要的意义。本文基于Copula理论基础,利用因子Copula模型和结构因子Copula模型中的嵌套Copula模型,分析了以沪深300成分股为代表的我国大型上市公司股票的收益率序列,计算得到了不同行业内每对股票收益之间的Spearman秩相关系数、相依尾部加权测度和不同资产组合的VaR和ES,以此分析了不同行业内各公司股票收益的关联性和投资组合风险,以及以全部沪深300成分股为代表的整个市场的投资组合风险。本文选取了沪深300成分股近5年的日对数收益率序列,剔除上市时间不满5年的股票,利用两阶段极大似然估计法,首先采用GARCH(1,1)-Gaussian模型、GARCH(1,1)-t模型分别对每只股票收益率序列进行拟合,并用AIC信息准则选择拟合效果较好的模型,经过对标准残差序列的K-S检验和Ljung-Box自相关检验发现,GARCH(1,1)-Gaussian模型、GARCH(1,1)-t模型可以较好的拟合各收益率序列的边缘分布,并且利用单因子Copula模型对各公司股票收益的标准残差序列进行拟合,发现在所有17个二级行业中,保险、材料、地产、能源、汽配、食品饮料、银行、运输、资本市场等9种行业的股票收益序列拟合效果较好的为单因子BB1 Copula模型,公用、零售、媒体、耐用服装、软件、硬件、制药生物、资本品等8种行业的股票收益序列拟合效果较好的为单因子Rotated Gumbel Copula模型;同时本文利用结构因子Copula模型中的嵌套Frank Copula模型,对17个行业的全部股票收益残差序列进行了拟合,并得到了相关模型参数。通过极大似然估计得到相关参数后,本文利用单因子Copula模型计算了每个行业内不同股票收益序列之间的Spearman秩相关系数、相依尾部加权测度,分别分析其相关性和尾部相关性,发现大部分配对股票收益的秩相关系数在0.3到0.8的区间内,呈明显的中度正相关,每个行业内部的整体相关性也呈明显的中度正相关,其中资本市场、保险、能源、运输等行业的内部整体关联性较强,食品饮料、硬件等行业整体关联性较弱;在尾部相关性方面,通过对各行业内所有配对成分股相依尾部加权测度的均值分析,发现各行业内部均呈正的尾部相关性,除银行业的上下尾部加权测度均值一致外,其余行业均表现为下尾相关性强于上尾相关性,其中银行业和资本市场业的上下尾部加权测度均值均高于0.6,说明两个行业内部的整体尾部相关性均较强。最后,本文利用单因子Copula模型和嵌套Frank Copula模型,采取蒙特卡洛仿真技术,计算每个行业等权重投资组合和整个市场等权重投资组合的VaR和ES,分析其投资风险,发现在置信水平分别为99%、97.5%、95%的情况下,资产组合的VaR和ES较大的行业为零售业、银行业、硬件业、资本市场业、制药生物业、保险业等,其中零售行业由于只有两只成分股,分散程度低,整体风险明显高于其他行业,而对于整个市场的资产组合,由于分散程度较高,在不同的置信度下,VaR和ES均明显较低,投资风险明显低于单个行业的资产组合。