正确的投资决策是建立在对收益率与风险的可靠预测之上的，而可靠的预测只能通过基于现实假定的统计模型而得到。对于中国股票市场的实际分布，传统的投资组合理论都是以正态分布为基础的。而在金融领域很少有真正服从多元正态分布的数据，而且各资产收益之间存在非线性关系，因此在正态分布的假设下进行的资产组合的风险分析及其VaR计算与实际情况相差较大。此时我们需要知道资产组合收益率的联合分布函数，然而这个联合分布函数又往往不能轻易的表达出来。本文借助于Copula函数理论把资产收益的边缘分布及其相关结构分开来处理，对上证180指数和深圳成分股指数的不同比例下的投资组合进行了风险度量。本文首先研究了VaR计算的基本原理和主要方法，对分析法、历史模拟法和Monte-carlo模拟法这三种国内计算VaR的主要方法进行了比较。其次详细介绍了Copula函数的基本理论，特别是二维的Copula函数和单参数的二维Archimedean Copula函数的性质和特点。着重讨论了Copula函数的参数估计，引入非参数核密度估计，把非参数核密度估计与极大似然法结合起来，放宽了对资产分布的假设，对以往的极大似然法、标准极大似然法、边缘分布函数推断法是一种改进。最后，基于Copula函数理论对上证180指数和深圳成分股指数的不同比例下的投资组合进行了风险度量。本文采用t-3分布作为两股指收益的边缘分布，用三种单参数的Archimedean Copula函数来描述两股指收益间的相关结构，用拟Monte-carlo模拟法和Monte-carlo模拟方法分别计算了各种Copula函数下的VaR，并对所得结果进行评价。