随着经济全球化进程的深入和经济的发展，金融风险管理越来越受到人们的关注和重视，在目前复杂的投资环境中，单一资产的风险管理已经不能满足人们的需求，资产组合的风险管理受到普遍关注。VaR是测量资产组合风险最常用的度量方法之一，被广泛应用于金融资产的风险测量和管理中，但VaR是基于资产间的线性相关系数，并不能准确的刻画组合资产间的相关性，而且VaR基于的正态分布假设并不适合现实的金融市场，所以，传统的VaR并不能精确的描述资产组合的风险，通常情况下会夸大组合的风险。　　Copula函数是一类由随机变量的边缘分布来确定其联合分布的连接函数，具有很多很好的性质，可以很好的描述金融市场间及资产组合间的相关性结构，已被广泛应用于金融市场风险管理中。并且Copula理论对随机变量的边缘分布函数没有设定限制，可以将其边缘分布和联合分布分开研究。　　本文首先系统的介绍了Copula函数理论知识，包括Copula函数的性质，分类，参数估计，拟合检验及Copula理论中的相关性测度研究，然后阐述了传统VaR的计算方法和局限性，并根据Copula理论对传统的VaR求解进行了改进，最后选取中国证券市场分别作二元Copula和多元Copula的实证分析，用GARCH(1，1)模型刻画其边缘分布，用Copula函数描述其相依性结构，通过模型选取和参数估计，求得其联合分布函数，再分别用传统的VaR方法和Copula-VaR方法针对不同的置信区间求得VaR值。通过对比实验结果，发现Copula方法比传统的VaR方法更能降低组合风险，具有较好的效果。