近些年来,国际金融形势发生了深刻的变化。金融市场的波动愈加频繁,危机经常发生,对风险的度量已成为行业关注的话题之一。传统的风险度量手段建立在马克维茨的投资组合理论的基础上,资产组合之间为线性相关关系,资产组合的收益率服从多元正态分布,使用VaR指标对单一资产和资产组合进行风险度量。但大量的事实证明,金融资产的收益率存在明显的非正态的尖峰厚尾的特征,资产之间的相关关系非线性,传统的正态模型会低估资产风险。另一方面,VaR方法存在一定的建模缺陷,不能满足管理者对风险控制的需要。因此,本文引入Copula模型和CVaR技术,对于单个金融资产的收益率,CVaR方法考虑到了其尾部损失的均值,更加适于测度风险；对于投资组合联合收益率,建立Copula模型基于金融资产的非线性相关性,不限制边缘分布从而构建了相应的的联合分布损益函数。本文首先讨论了Copula模型在金融市场尾部相关性度量上的应用；接着基于VaR与CVaR的风险测度方法,依次运用历史模拟法、方差协方差法、蒙特卡罗模拟法和极值理论测度道琼斯工业指数和香港恒生指数的VaR和CVaR,结果表明,四种方法的计算的VaR都低估了实际股指的风险。然而,CVaR的失败率大大降低,提高了对未来变动的预测准确度。考虑到资产收益率这一时间序列的非对称的时变特征,文章对单个股指的收益率序列建立GJR模型,并在此基础上引,Copula方法,建立GJR-Copula模型,度量投资组合的VaR和CVaR,并通过返回检验验证模型。结果证明,GJR-Copula模型的CVaR可以精准地测度收益率具有非对称性的资产的风险价值以及投资组合的风险价值,为风险管理着的投资决策提供信息支持。