当前,我国经济面临国内外纷繁复杂的环境,在第一波新冠疫情平稳过度后,已经步入稳定的复苏轨道。国家高度重视资本市场的发展,ETF基金市场是证券投资市场的重要一环。投资与风险相伴而生,因此对ETF市场风险相依性度量的研究迫在眉睫、至关重要。本文建立ETF市场和VIX波动指数等7个资产收益率序列的边缘分布,经GJR-GARCH过滤后获得相互独立的标准化残差序列。采用广义帕累托（GPD）分布优化标准化残差的拟合,获取更精确的经验累积分布函数和概率密度值,以便更好地度量边缘分布尾部极值风险。然后,检验经概率积分变换后新的标准化残差列是否服从（0,1）均匀分布,从而确定随机变量间的相依结构。对选定的AR（1）-GJR-GARCH-Skew-t-EVT-R-Vine-Copula模型进行参数估计,同时与C-Vine和D-Vine结构为基础的模型进行对比,拟合随机变量间的相依关系,确定多元、高维资产收益率的联合分布。在考虑了整体相依性和尾部相依性进行度量的同时,对引入GAS时变因子的动态Copula模型分别在同构相依、分块同构相依和异构相依三种不同的相依形式下进行参数估计,得到ETF市场收益率间的相依结构后,进一步对多元变量的动态相依性做考察。最后在给定ETF市场内各行业投资资产的权重系数后,求出99%、97.5%、95%三种置信水平下投资组合的VaR,并回测检验模型的稳健性、得出实证的一系列结果。结合理论综述、模型搭建和实证分析,本文得出以下结论:我国ETF市场收益率序列呈现波动聚集特征,7个金融时间序列的波动伴随着长期记忆下的持续性,短时间内也会有小波段涨跌聚集;均不服从正态性分布而是具有显著的尖峰厚尾特征;7个收益率序列均不独立且呈现长期自相关性,且是平稳的。同时,ETF市场内各资产之间存在明显的风险相依关系,AR（1）-GJR-GARCH（1,1）-Skew-t模型可以对7个收益率序列的边缘分布进行较好的刻画,过滤后的标准化残差序列有助于Vine-Copula建模过程中参数估计的稳定性。在拟合精度方面,R-Vine-Copula模型优于C-Vine-Copula和D-Vine-Copula模型,同时验证了R-Vine-Copula模型适用于多维变量的ETF市场。在基于极值理论方法对尾部拟合优化后计算和预测出的VaR值比传统的VaR方法能够更有效地提供风险防范;VIX波动指数的加入对于降低ETF市场整体的风险程度是有利的,且产组合中配置上证治理ETF在ETF市场收益率波动过程中具有避险的功能。与静态Copula模型相比较,GAS动态Copula模型方法能够更有效地评估我国ETF市场风险相依结构。本文在VaR设定的组合（股东、流通）权重存在一定主观性,如果能对组合权重进行时间变化或市场状态变化而同步调整,针对投资组合的ES值做进一步动态调整组合内资产的持有权重,使用以似然比为基础的变点检测方法,使投资组合测度值达到风险最小或收益最大,同时在Vine-Copula模型参数变点检测时加以运用,也许会更加有利于风险测算的效率问题。金融市场的尾部风险溢出效应也不可忽视,可以尝试将本文建模方法加入对市场间的Co VaR计算,Co VaR能更加准确地量化市场间的风险传染,捕捉到不同金融市场或资产之间的风险溢出效应,构建多因子金融市场发展的风险测度模型。在Vine-Copula模型的基础上对金融市场的Co VaR计算,同时在该Copula框架中考虑DCC-GARCH模型下的动态Copula模型、对Co VaR再次定义,也许会进一步改良风险度量的方法。