Copula不受边缘分布选择的限制,可以灵活地构造多元分布,被应用在越来越多的领域中.本文回顾和总结了与Copula相关的基础理论,引入了藤结构Copula模型.特别地,详细地介绍了以C藤和D藤为代表的藤结构Copula模型.在分解多元函数时,藤为二元Copula的选择提供了一定的依据.利用Pair-Copula构造多元变量的密度函数时,多元数据间复杂的相关性可以通过二元Copula刻画出来.在金融和经济等领域中,对于多元时间序列的分析是一种常见的问题,传统的分析工具是向量自回归(Vector Autoregreesion,简称VAR)模型,但VAR模型仅限于反映序列间线性相关和对称相关性.而接下来介绍的基于D藤定义的Copula自回归(Copula Autoregression,简称COPAR)模型能够更好的刻画多元时间序列间的相关性,尤其是在研究一个时间序列对于另一个时间序列的影响时非常有效,并且给出了相应的Copula矩阵以及拓展到高维的方法.在这个模型的基础上,我们提出了一个基于C藤的新的COPAR模型,该模型也能够拓展到任意维且能够预测未来值.文章的最后利用Copula基础理论来研究美国与亚洲、澳洲和欧洲主要国家股票指数同比变化率,并利用R软件中的函数分析数据关系、选择二元Copula和估计相关Copula参数,得出美国与各国之间股票指数同比变化率的相关关系。