当今,随着经济全球化以及金融市场的一体化,金融危机和金融波动频繁发生,金融市场间的关系也变得复杂多样化,因此,对金融市场相关性的研究越来越受到人们的关注。金融市场之间的相关模式多呈现非正态、非线性、非对称和尾部相关,而Copula函数对于解决变量间的相关性有其独特的优势,已被广泛应用于金融领域。然而,金融市场是复杂多变的,传统方法运用单一Copula函数理论上不能够全面地刻画金融市场之间的相关关系。而混合Copula模型把不同的Copula函数结合在一起,这样能够更好的描述变量间的相关关系。对于Copula函数的边缘分布,往往是假定其服从某一特定分布或者采用某一特定的估计方法,在复杂的金融环境中,这样的数据拟合会造成拟合失真。针对以上的问题,本文在前人的研究基础上,对其进行了研究,主要研究内容包括以下几点。第一,为了更好的拟合数据,本文选择广义Pareto分布估计Copula函数中边缘分布函数的尾部分布,中间部分则用非参数核估计。第二,构建单参数混合Copula模型和双参数混合Copula模型,然后将单参数Copula、双参数Copula、单参数混合Copula和双参数混合Copula几种模型进行对比,从而选择最优Copula函数模型。其中对于各Copula模型的参数估计采用极大似然估计,借助EM算法来解决参数估计问题。第三,将上述方法应用于兴业银行和华夏银行两支股票市场,结果表明混合Copula模型整体比单参数及双参数Copula模型拟合度高,单参数混合Copula模型拟合最优,兴业银行和华夏银行具有较强的上尾相关性。