本文是基于连接函数Copula模型的实证研究。在金融一体化的大背景下,描述各金融市场或资产之间的相依性是现代金融分析中的重要课题,在资产配置、风险管理、衍生品定价中都有广泛应用。金融资产间的相依性不仅表现出非对称的特征,即共同上涨和共同下跌的相关性不同,而且这种相依性还可能随时间变化,并不是固定不变的。为了同时刻画金融资产相依性的这两大特征,本文对已有静态Copula模型加以改进,发展出四类动态形式的Copula模型,用于实证分析金融市场中的特征和现象,为投资者构建资产组合、控制组合风险提供一定的建议。具体来说,文章的主要内容包括以下四个方面:第一,根据引入解释变量的随机Copula模型,研究风格股票指数之间的动态相依性。风格股票指数之间的相依性会受到流动性等随机变量的影响,从而表现出一定的随机性。因此,本文对已有随机Copula模型加以改进,引入换手率作为解释变量,研究了大盘股和小盘股、成长型和价值型股票指数之间的随机相依性,并从组合风险管理的角度讨论了随机动态相依性的经济意义。结果发现,风格指数间的尾部相依性具有随机动态特征,并受到以换手率为代表的市场流动性冲击的影响。对每天、每周和每月调整资产组合的中短期投资者而言,考虑风格指数收益的随机动态相依性,能有效降低组合风险。第二,根据长记忆Copula模型,研究中外铝期货市场间尾部相依性的长记忆效应。现有研究讨论的都是资产间相关系数的长记忆问题,而缺少对更一般的非线性相依性(如尾部相依性)的长记忆性的研究。本文将长记忆特征引入到已有的短记忆动态Copula中,并根据改进后的长记忆Copula模型,从尾部相依性的角度分析了伦敦金属交易所和上海期货交易所铝期货间的长记忆效应。结果表明,两市场不但具有非对称的尾部相依性,即下尾相依性要大于上尾相依性,而且这种非对称的尾部相依性还具有长记忆的动态特征。对投资者来说,长记忆效应的存在,意味着他们能够基于现在的相关性信息预测未来一段时间内两市场收益共同的变化趋势,进而优化配置资产组合。第三,根据混频Copula模型,研究股票和债券市场相依性的影响因素。宏观基本面、市场不确定性、流动性等因素都会影响股票和债券市场的相依性,但这些变量的抽样频率不同。已有研究都是将高频变量转化为低频变量,统一使用同频数据分析股债市相依性问题。但这种做法损失大量样本信息,不适用于样本容量十分有限的中国市场。为克服数据频率不一致的问题,本文用混频Copula模型同时研究低频月度变量(宏观基本面、市场不确定性)和高频日度变量(股债市流动性)对股票和债券市场相依性的影响。结果发现,两市场相关性变化的根本原因在于宏观层面的基本面因素和市场不确定性因素,而微观层面的流动性因素并不是决定两市场相依性的主要原因。第四,根据多元动态偏t Copula模型,研究以多个资产为代表的高维变量相依结构。现有的偏t Copula模型只有一个常数形式的偏度系数,对相依结构的假设过于严格,无法及时捕捉到相依结构的变化特征。本文对该模型加以改进,不仅允许各变量具有不同的偏度系数,而且将自回归形式的演变机制引入到偏度系数的动态过程中。通过对股票、黄金、原油、债券、房地产等50种资产相依性的实证分析,文章指出,动态的偏度系数设定形式能够灵活准确地捕捉到资产间相依性的动态变化,特别是市场暴涨和暴跌阶段不同的尾部相依性。和已有模型相比,改进后的多元动态偏t Copula模型具有更高的样本内拟合和样本外预测能力,根据该模型构建的投资策略也能为投资者在保证收益的前提下有效控制风险。