近些年来,Copula理论在国内外取得巨大发展,Copula理论在多元时间序列中的应用也逐渐成熟.将Copula理论与GARCH模型相结合构造多元波动率模型,能够很好地反映金融时间序列的时变波动性、波动集群、偏斜、高峰、厚尾等特性,同时便于研究多元金融序列的相关关系和相关模式.首先,本文介绍了Copula的基本理论及常见的Copula-GARCH模型,以及半参数Copula-GARCH模型.其次,针对时变Copula-NGARCH模型,在假定边际分布满足标准一元GARCH模型以及时变相关系数满足一个与历史数据相关的方程的情况下,我们采用贝叶斯估计对时变Copula-GARCH模型进行估计,并且通过模拟证实在选定正确的先验分布的条件下以及对小样本的情况,贝叶斯估计优于极大似然估计.为了减少由模型误设定所带来的误差,我们研究了半参数时变Copula-NGARCH模型,该模型将边际序列满足的GARCH形式转化为非线性的NGARCH模型,同时不指定边际分布的具体形式,并且将时变相关系数看作时间的未知函数.对此我们运用非参数加权回归对NGARCH模型进行了非参数估计,由此得到新息的边际经验分布,继而对Copula的时变相关系数和其他参数进行了局部极大似然估计.数值模拟显示该估计方法能够很好的估计出模型的参数.最后,为了验证时变Copula-GARCH模型与半参数时变Copula-GARCH模型对序列间动态相关性的刻画能力,我们将模型运用于上证指数与国际油价波动的分析,结果证实我们的模型能够很好地刻画序列之间的动态相关性.