在金融风险管理中,对金融资产收益的实际分布及其相关性的度量是十分重要的。在深入研究金融风险理论、金融时间序列分析等有关理论的基础上,本文结合国内外的研究成果,对金融资产组合耦合风险(即市场风险和信用风险)度量问题进行了系统的研究。本文应用基于藤结构的Pair Copula分解模型刻画多资产收益率间的相依结构,因为其不仅能够解决实际市场投资组合收益率多元正态分布的错误假设问题,而且比多元Copula函数在研究与应用中少了很多限制,更加准确和灵活。为了刻画单资产收益率的波动集群、尖峰厚尾等特征,文章以GJR模型建立单资产收益率的边缘分布函数,结合由KMV信用模型中“违约距离”估计的违约概率来刻画信用违约情况,建立基于多元Pair Copula-GJR-CVa R信用模型的组合收益率的多元联合分布函数,利用蒙特卡罗方法模拟资产损失情形,应用一致性风险度量工具CVa R估计投资组合的风险价值。实证研究结果表明,基于多元Pair Copula模型预估的风险价值CVa R要优于多元t-Copula模型的预估结果,由此验证了多元Pair Copula-GJR-CVa R信用模型在投资组合耦合风险度量中的优势。本文的创新点主要有:(1)采用Pair Copula分解模型刻画多元资产收益率间的相依结构,突破了传统多元Copula方法的局限性;(2)提出了一种基于Pair Copula-GJR的信用模型来估计资产组合的耦合风险,强调在度量资产组合风险时不应忽略信用风险的影响,并提出由资产价值得到的违约概率来刻画信用违约情况进而度量信用风险的方法;(3)实证验证了一致性风险度量工具CVa R要优于传统的Va R方法。