随着金融一体化和经济全球化的迅速发展,金融市场呈现出前所未有的波动性,金融风险也日趋复杂化和多样化,随之风险管理技术在此压力下得以迅猛发展,作为控制和管理风险的基础,度量市场风险也是金融理论研究的重要内容。VaR是一种衡量和管理金融市场风险的有效方法,其优点便是能够把投资风险描述为一个显性函数并导出形象数据,即最大可能损失,这是传统的度量工具所望尘莫及的。但常见的VaR计算模型都是基于单资产的,并假设它服从正态分布,或者假设资产组合中不同的风险变量呈线性关系。而大量实证研究表明,资产收益分布的尾部一般要比正态分布更厚,极端值出现的可能性更大,同时资产之间的关系并非线性相关关系,而呈现一种非线性相关关系。因此,本文采用非参数密度估计方法拟合单一资产收益率分布,引用Copula理论来描述多资产之间的非线性相关关系是具有实际意义的研究工作。本文首先回顾了金融风险管理技术的发展过程,提出课题的背景意义,分析了Copula模型的构造及国内外关于VaR的研究成果,详细介绍了Copula模型的理论研究和在金融市场风险中的相关应用,介绍了蒙特卡洛模拟技术以及VaR的几种不同计算方法,此外还讨论了Kernel的非参数估计过程、关于二维Copula的拓展和比较等。本文提出并构建了Copula-Kernel模型,以此为基础结合蒙特卡洛模拟方法计算二维投资组合的VaR值,并与已有的VaR计算方法进行比较,实证分析表明本文构造的Copula-Kernel模型在金融风险分析中是可行和有效的。此外,本文结合Copula理论,尝试将蒙特卡洛模拟从二维变量空间扩展到高维空间,并运用到多资产投资组合分析中,实证表明在高维非正态Copula模型的建立和实施计算方面是可行和有意义的。最后,总结了将Copula应用到金融市场并扩展到高维的益处,并提出了需要考虑的问题和进一步研究的方向。