近年来，随着经济全球化的加剧，金融市场之间的关系越加紧密，一些影响重大的金融危机事件频频发生（如亚洲金融危机），这些都对风险管理提出了挑战，迫切需要选择更加合适的风险模型来研究这些情况。传统的金融风险度量模型中，大多基于正态分布运用方差一协方差法来求解投资组合的风险价值(Value-at-Risk:VaR)。虽然传统方法己公式化，具有运算简单的优点，但在实际应用中，资产的价格分布并非完全正态，而是呈现"尖峰厚尾性"和"极端性"，同时，组合中几项资产价格之间的非线性关系也不是传统的相关系数矩阵所能表达。因此，需要拓展新的方法来更好地研究投资组合的风险价值和相关性。　　为了更加精确地度量金融风险，越来越多的学者提出应用极值理论(Extreme Value Theory:EVT)来度量单个资产的风险。极值理论不需要对资产收益分布做任何假设，利用实际数据来拟合分布的尾部，很适合度量极端情形下风险。而Copula函数可以选择各种边际分布，通过各种合适的Copula函数连接起来,得到一个更贴近现实分布的联合分布，同时Copula函数不仅描述了变量之间的相关程度，还描述了变量间的相依结构，这些优点使得Copula技术在金融市场得到广泛的应用。　　论文以中国证券市场为研究对象，考虑到实际收益变量具有“尖峰厚尾性”和“极端性”，选择极值分布来对超过阈值的数据进行建模，Laplace分布来度量其余的数据，即是边缘分布为中心和左尾为Laplace分布，右尾为极值分布组成，在联合分布为Copula函数假设基础上，利用蒙特卡洛模拟法计算出一天持有期内投资组合的VaR和ES，从返回检验的结果来看，构造的Copula-EVT模型能够较好度量组合风险。另外，在尾部相关性研究中，分别选择Copula函数中对上尾相关性刻画能力强的Gumbel Coula和对下尾相关性刻画能力强的Clayton Copula来分别度量收益变量间上下尾部相关结构，得到沪深股市同时发生大幅下跌和大幅上涨的概率。