Copula在刻画随机变量之间的关联性方面具有更广的适应性,因为它不仅可以描述线性相关关系,还能够刻画非线性相关关系.这一优点使得它在复杂多变的金融、保险和风险管理等领域得到了充分的应用.本文主要研究参数扰动Copula的构造及应用.首先,拓宽了Copula理论的应用领域,改造一些常用的Copula对数据拟合的方法,将其应用在气象研究领域,研究了天津和上海2017年四个季度气温之间的关联性,建立了两个城市一年四季气温的相关结构模型,为两地之间人们出行和经济往来提供一定的参考和帮助.进一步,随着不同应用领域问题的多样化,我们需要构造出更加灵活适用的Copula.本文运用扰动构造法构造了一类单参数扰动Copulas族,给出和证明了其四种和谐性度量的计算公式,并研究了该单参数扰动Copulas族在主对角部分和次对角部分四种尾部相关系数的变化情况.接着讨论了和谐性度量Kendall’s τ、Spearman’s ρ随扰动参数λ的变化规律.然后,利用Copula产生随机数的方法进行了随机模拟并验证了结论.再次,在Copula二次方构造的基础上,基于双参数复合扰动构造出一类新的Copulas,证明了该双参数复合扰动Copulas族在稳健性条件下可以转化成Plackett-Copulas族.接着给出和证明了其四种和谐性度量的计算公式,相应的研究了该双参数复合扰动Copulas在主对角部分和次对角部分四种尾部相关系数的变化规律.最后,为了比较新构造的Copulas和原Copula在应用方面的效果,运用温度数据并通过平方欧式距离法将理论Copula和经验Copula作差之后取平方,以距离最短得出了最优模型.新构造的两种扰动Copulas不但都拓宽了相关性度量的取值范围,而且通过对原Copula增加扰动这一特点,都进一步提高了对于经验数据拟合的精度.相比之下,双参数复合扰动Copulas族具有更好的优良性.