资产组合风险管理的核心内容是组合风险的识别和估计.调整组合权重的配置,从而规避风险。本文基于familyGARCH族模型和R-VineCopula理论,针对“高维”、“期货”、“组合”、“风险”四个典型特征,构建了组合风险估计模型,在量化组合风险的基础之上优化权重配置,从而达到管理组合风险的目的,为风险管理活动中的决策提供参考。在模型构建方面,本文基于ARMA-fGARCH模型以及偏态t分布描述多维变量的边缘分布,并根据参数检验思想提出了 fGARCH族内模型的选择方法。为了解决高维情况下的相关结构分析问题,本文将R-Vine Copula理论应用于高维分布相关结构的描述,并且使用蒙特卡罗模拟的方式模拟出其联合分布。对于组合风险的度量方式,本文以VaR作为标准,并且根据期货双向交易特征修正了计算方式,接着构建出mean-VaR组合优化模型,最后以随机搜索方法求出组合的有效前沿,使组合风险管理者可以根据有效前沿选择合适的风险估计模型,并配置组合权重,最终形成高维期货组合风险模型。在实证研究方面,本文选择中国期货市场2010年来满足数据筛选条件的全部18个期货品种组成高维期货组合,对其应用本文提出的模型估计组合风险,并对模型作相应的统计检验,并且分析本文模型在组合风险管理中相对于以往模型更加优秀的适用范围,同时研究中国期货市场的特点。本文通过实证研究最终得出以下实证结论:第一,中国期货市场的期货品种的金融序列具有不同的性质,在“尖峰厚尾”、“波动率聚集”和“杠杆效应”等金融序列经验特征上的表现不一致;第二,中国期货市场的相关结构中,并不存在相关性权重较大的“中心”;第三,本文提出的模型在1%水平上是对组合风险估计有效的模型,但存在略微低估风险的情况;第四,相较于其他模型,本文提出的模型在高风险偏好区域对风险的估计更为保守,所以组合风险管理者倾向于选择本文模型来管理高风险偏好的资产组合。