虽然股票市场中存在着许多风险，但是其中主要的风险是市场风险和流动性风险，这两种风险的的存在往往会给市场参与者带来重大损失，因此如何找到有效的方法准确度量风险大小来降低损失就成为学者的关注焦点。而现实中的市场风险和流动性风险往往存在着复杂的相关关系，它们能相互作用、相互影响和相互渗透，因此十分有必要把市场风险和流动性风险结合起来，进行集成风险度量以增加度量结果的准确性。　　集成风险度量是指把种类或者来源不同的风险置于同一体系内进行度量，也称为整体风险度量。此种方法能够衡量出多种风险给市场参与者有可能带来的损失，有效地提高风险管理水平。目前对于风险的主流测度方法是VaR方法，但是VaR方法不满足次可加性，因此不可能通过简单地将股票市场的市场风险和流动性风险的VaR直接相加来进行两种风险的集成风险度量。另外一种处理方法是首先得到两种风险的联合分布，然后计算出两种风险的集成风险VaR。考虑到市场风险和流动性风险的复杂相关性以及尖峰厚尾的分布特征，所以本文引入了Copula函数作为它们的联合分布，并结合蒙特卡洛模拟法构建出集成风险度量模型。这是因为该函数能够刻画和捕捉变量之间复杂的相关性，特别是尾部相关性，而且对边缘分布的要求也较低。　　在实证研究中，本文依据Copula函数理论构造的集成风险度量模型，选取了我国股票市场四个主要指数的相关数据，对由市场风险和流动性风险构成的集成风险进行了度量。通过与传统的风险度量模型进行了比较，结果表明该方法的效果好于传统方法，能够提高度量结果准确性。　　文章的主要内容如下:　　第1章是前言。该章节又分为四部分:首先介绍了文章的研究背景;然后对集成风险和Copula函数的研究状况做了文献综述;其次是介绍了文章的创新之处;最后是文章的研究框架和内容。对相关文献的梳理发现目前针对股票市场的集成风险研究较少，同时该问题又是风险管理领域的重要难题，因此本文将其作为研究方向。　　第2章是股票市场集成风险的相关理论和总结。此章首先详细介绍了市场风险和流动性风险的各类度量方法和指标，然后阐释了集成风险度量理论的基础即流动性溢价理论;最后概括总结了集成风险的概念和特点，提出了用Copula函数构建模型来度量此类风险。　　第3章是Copula函数理论和集成风险度量模型。本章针对Copula函数的定义和性质、相关性度量、常用函数种类和参数估计作出了详细的叙述，并以该函数为基础给出了集成风险度量的完整步骤。　　第4章是市场风险和流动性风险的相关性检验。该章实证研究了我国股票市场的市场风险和流动性风险的相关性，为进行两种风险的集成度量做好准备。其内容有:样本选择和描述性统计、平稳性检验和Granger因果检验.最后实证结果也表明市场风险和流动性风险可以相互影响和相互作用。　　第5章是关于集成风险的度量建模。此章节主要是边缘分布GARCH模型和Copula函数的参数估计，前者需要进行ARCH LM检验和K-S检验，用来验证本文选择的边缘分布是否正确;而后者则使用AIC原则选出最优的Copula函数作为市场风险和流动性风险的联合分布。　　第6章是基于集成风险度量的VaR计算与后验分析。根据本文构建的集成风险度量模型以及市场风风险和流动性风险的联合分布，结合蒙特卡洛摸拟法计算出由市场风险和流动性风险构成集成风险因子，从而可以计算出一定置信水平下的集成风险VaR，并且通过后验分析证实了本文提出的度量方法优于传统方法，能够防范和控制风险。　　第7章是本文总结。本章内容有研究结论、相关建议和不足之处等。