随着我国股票市场的发展,目前已形成包括主板、中小板和创业板在内的,比较完善的市场体系。中小板和创业板市场作为我国资本市场的重要一员,其价格波动较大,风险较高,所要求的风险管理水平也要相应地提高。如何恰当地度量中小板和创业板市场风险也已经成为了学界与业界的关注点。传统的风险度量模型假设金融资产收益率服从正态分布,一些金融数据分布具有尖峰厚尾的特征,波动率较大,容易出现极端值,如果仍然使用正态分布的假设,很可能会低估风险。极值理论来自于工程领域,针对的是数据的极端值估计,由于VaR同样关注的是下尾的损失情况,所以极值理论比较适合用于度量VaR。Copula理论对边缘分布要求较小,能够将单个资产连接起来形成联合分布,当资产进行组合后,可以通过Copula函数进行拟合从而考察资产之间的相关结构,也因此Copula理论在金融领域得到了广泛的应用。本文以中小板和创业板市场为研究对象,选择深交所中小板和创业板指数作为样本,考虑到金融序列具有波动集聚现象,因此运用GARCH模型建立方程。研究发现波动率序列不符合正态分布假设,而且数据选择的区间股价波动较大,因此本文考虑使用极值模型对尾部风险进行建模,从而得出了中小板和创业板市场的在险价值VaR。随后使用多种Copula函数对两个市场进行拟合,并利用蒙特卡罗模拟法对比了不同Copula函数度量VaR的准确性,发现在高置信水平下Clayton和混合Copula对中小板和创业板资产组合的VaR测度较为准确,最后使用混合Copula函数预测了下一期中小板和创业板资产组合的VaR大小,从而对资产的风险管理提供了较为科学的依据。