风险管理的基础和核心是对金融资产进行评估,而金融资产间的相关性研究在风险评估中处于十分重要的地位。除了关注资产总体的相关性,还需关注资产价格尾部的相关性,也就是当一个随机变量取较大的值或者较小的值时,它对另一个随机变量的取值是否有影响。我国股票数据不是正态分布,但表现出尖峰厚尾的特征,因此经典的线性相关系数不能抓住我国股市股票数据内在的相关结构,不能准确反映我国股市的相关信息,这里我们利用Sklar的Copula理论来刻画随机变量之间非线性的相关关系。Copula模型是对整个联合分部建模,可以捕捉非对称,非正态的尾部信息,可以更全面更深入地刻画随机变量之间的尾部相关关系。因此本文引入基于Copula函数的尾部相关概念,通过求尾部相关系数预测当一种股票发生大幅上涨或下跌时,另一种股票大幅上涨或下跌的概率,定量研究两个股票市场的相关性并预测了市场的变化。本文先对Copula函数的产生发展,Copula函数的定义和性质等方面进行介绍,给出了基于Copula函数的尾部相关系数的定义和度量方法,并采用非参数方法估计尾部相关系数。将Copula函数和马柯维茨模型最优化投资组合理论结合,给出了基于Copula函数的最优投资组合算法。最后结合我国股票市场的实际数据,利用统计软件,给出了尾部相关系数的估计和最优投资组合算法的程序。文章的创新有两点:利用非参数方法估计尾部相关系数,将Copula函数和马柯维茨模型最优化投资组合理论结合,得出确定最优投资组合的步骤和程序。