Copula理论在90年代后期以后在金融中得到了广泛的应用。但是，它在金融中的应用仍然存在以下两个方面的不足:第一，它所研究的问题，大多属于二元情形，对高维金融数据的研究不足。第二，使用动态Copula模型研究金融变量的动态相关性仅限于二元情形，未能对高维数据的动态相关性建模。　　论文针对目前对高维Copula理论研究的不足，引入了两种最新的高维Copula函数，即分层阿基米德Copula函数和成对Copula函数，并采用两种动态化方法构建高维动态Copula模型，其中，采用时变相关方法构建了高维动态阿基米德Copula模型和高维动态椭圆Copula模型，基于隐马尔科夫模型构建了高维动态分层阿基米德Copula模型和高维动态成对Copula模型，而且，在隐马尔科夫模型的框架下，可以考虑各种复杂的结构模型，如将协变量引入到隐马尔科夫模型的转移概率中，以考虑其他因素对所考虑变量的相关性动态的影响。　　在实证方面，论文选取了四支股票数据展示了高维动态Copula模型建模的具体过程。第一，对股票组合数据采用静态的高维Copula模型进行建模，包括高维椭圆Copula模型、高维阿基米德Copula模型、分层阿基米德Copula模型和成对Copula模型。经过拟合优度检验，t-Copula模型、Clayton分层阿基米德Copula模型和Clayton成对Copula模型能够较好的拟合数据，可以作为股票组合的待选模型。第二，对待选的三种静态Copula模型进行动态性检验，拒绝了不存在动态性的原假设，这说明股票组合具有动态相关性，须采用动态Copula模型对数据进行建模。第三，分别采用时变相关的高维动态椭圆Copula模型和基于隐马尔科夫模型的动态分层阿基米德Copula模型和动态成对Copula模型对组合数据进行建模。最后，根据数据本身特征和模型的预测能力，对所构建的高维动态模型进行了评估。　　论文的主要工作和创新集中在第二、三、四、五章，这四章分别对高维动态Copula模型的构建依据、高维动态Copula模型的两种构建方法和动态Copula模型的比较与评估进行了研究，并运用高维动态Copula模型，对选取的四支股票组合数据进行了大量实证研究以论证所提模型的可行性。　　第二章主要讨论高维动态Copula模型的构建依据。首先介绍了Copula函数的基本理论。其次，讨论了四种高维Copula函数类型，即高维椭圆与阿基米德Copula，以及分层阿基米德Copula函数和成对Copula函数，指出了高维椭圆与阿基米德Copula函数在对金融数据建模中的不足，然后深入探讨了分层阿基米德Copula函数和成对Copula函数的构建方法，并给出了其参数估计方法和模拟方法。最后，采用移动窗口方法估计高维变量各子组合的Spearman p，以直观展示金融变量间是否存在动态的相关性，并使用Guegan和Zhang(2009)的动态性检验方法以进一步确定静态Copula模型是否具有时间上的动态性。　　第三章在条件Copula理论基础上构建了单参数的时变相关高维动态阿基米德Copula模型和多参数的高维动态椭圆Copula模型。其中，高维动态阿基米德Copula模型通过直接设定其参数的演化路径进行构建，而高维动态椭圆Copula模型则采用Engle(2002)的动态条件相关(DCC)方法和Tse、Tsui(2002)的时变相关系数方法描述相关系数矩阵，进而构建高维动态正态Copula模型和动态t Copula模型，而且，还可设定t-Copula自由度的动态，以进一步考虑组合的尾部相关行为的动态变化。　　第四章介绍了隐马尔科夫模型的基本理论，深入研究了基于隐藏马尔科夫模型的动态Copula模型的构建、参数估计方法、模型选择、状态推断与预测，以及各种扩展模型，包括考虑协变量的动态模型和各种复杂相关结构的动态模型。　　第五章主要研究各高维动态Copula模型的比较与评估。首先，给出极值相关系数和分位数相关系数的概念，并使用分位数水平作为阀值，估计了样本的极值相关系数和分位数相关系数，然后采用Hong，Tu和Zhou(2007)的检验方法对股票组合间是否存在非对称的极值相关性进行了检验。其次，为定量考察各动态模型对数据的拟合效果，采用Ang和chen(2002)的H统计量以综合评估模型对数据极值或者尾部相关性的拟合情况。最后，将各动态Copula模型应用于VaR估计，使用事后检验比较和评估各动态模型对VaR的估计结果，并验证动态Copula模型在金融风险管理中的应用价值。　　第六章，对本文的动态Copula模型进行了总结，指出了论文研究的不足，并给出了以后的研究方向。　　通过模型的构建和具体的实证研究，论文的主要结论如下:　　1.在静态模型中，高维的阿基米德Copula模型未能考虑金融数据的相关结构，因而在对股票组合相关性建模的四种高维Copula模型中，其建模效果最差。正态Copula模型通过相关系数矩阵考虑了股票组合的相关结构，但由于未能考虑尾部相关行为和非线性的相关关系，从而也不能很好的对股票组合数据进行建模。而t-Copula可以刻画数据的尾部相关行为，因而在建模中有较好的表现。分层阿基米德Copula和D藤构造的成对Copula能够考虑数据的分层性质，从而能刻画下尾相关行为的Clayton分层阿基米德Copula和Clayton成对Copula模型也能对组合数据进行较好的建模。　　2.基于DCC和TVC构建的时变相关动态Normal-Copula模型和动态t-Copula模型，与移动窗口估计的Spearman相关系数的路径几乎一致，这说明通过这一方法构建的动态Copula模型可以很好的对数据的动态相关性进行建模。而且，以AIC和BIC为标准，DCC方法构建的动态模型要优于TVC方法构建的动态模型。　　3.在隐马尔科夫模型的框架下构建的动态分层阿基米德Copula模型和动态成对Copula模型，克服了对分层阿基米德Copula和成对Copula函数的多个参数同时设定动态演化路径，而使模型复杂化的不足，而且在隐马尔科夫模型框架下，其参数使用EM算法和最大似然方法也易于估计。将该模型用于股票组合的动态相关性研究，使用Frank分层阿基米德Copula给出的状态转换路径与07年下半年全球金融危机对我过股市的影响路径是一致的。而带协变量的Clayton分层阿基米德Copula模型，通过使用沪深股指作为协变量，可以更细致的考察高低状态间的转换，而且结果表明沪市的波动主导了股票组合的相关性状态，而深市的影响明显要弱于沪市。这说明，使用隐马尔科夫模型构建的高维动态Copula模型在刻画论文选取的股票组合的动态相关性上取得了很好的建模效果。　　4.通过对各动态模型应用于VaR估计以评估其预测能力，并综合各模型对股票组合数据的拟合效果，在论文所考虑的动态模型中，两状态的Clayton-HAC模型是对股票组合相关性建模的最优模型。