风险度量是实现风险管理的前提,也是整个风险管理过程中的核心与难点,长期以来国际上金融风险管理的重点大都集中于风险度量理论的创新与风险计量模型的开发。在金融风险管理的方法中,传统的资产负债管理过于依赖报表分析,缺乏时效性;利用方差来衡量风险过于抽象、不直观,且反应的只是市场(或资产)的波动幅度;而CAPM又无法适用于金融衍生产品。1994年J.PMorgan提出了风险测量的VaR方法,目前VaR方法己经被众多金融机构广泛采用,并已成为目前金融界测量市场风险的主流方法。　　随着金融市场的不断发展,金融市场和金融资产间的相关关系越来越复杂,呈现非线性、非对称性和尾部相关的相关模式等,基于线性相关系数的分析方法已经不能准确反映金融市场的相关信息。Sklar的Copula理论认为随机变量间相关性的信息可以由Copula函数完全刻画,可用于描述证券市场间的相关模式。本文基于Copula函数的方法研究金融市场的相关模式,探讨了关于Copula函数的一些理论问题以及Copula函数在金融分析中的应用问题。　　首先指出选题的背景意义,回顾金融风险度量研究的发展过程,介绍了VAR理论及其计算方法,讨论了连接函数的基本理论体系,并对其分类进行详细的研究,介绍了其参数估计方法并阐述了Copula模型的构建方法,深入研究可用于VaR分析的Monte Carlo仿真技术。　　在本文应用研究中,针对传统风险分析模型的不足,结合Copula技术和GARCH模型,构建了二元Copula-GARCH模型,指出该模型可以捕捉金融市场间的非线性相关性,在详细探讨了基于Copula技术的金融风险分析的MonteCarlo仿真技术的基础上,运用具有t分布的二元Copula-GARCH模型对沪深股市进行实证研究,结果表明了所提模型和方法的可行性和有效性。