近年来,金融市场的波动日益剧烈,一些金融危机事件接连发生,这些都对风险管理提出了挑战,需要更加适合的模型方法来处理这些情况。实际研究表明传统的正态分布模型假设严重低估了风险,为了更加精确的度量风险,很多学者提出用在工程上得到广泛使用的极值理论来度量市场风险。极值分布不需要对整个回报分布做任何假设,而是让数据说话,仅仅拟合分布的尾部,很适合度量风险。本文主要通过在前人对极值理论研究的基础上,探讨怎样用极值理论来更加精确的估计中国基金市场所面临的金融风险。同时,更具现实意义的是金融资产的组合情形。由于各种风险因子之间具有一定的相关性,投资组合能够在一定程度上发散风险。传统的投资组合的VaR度量模型对投资组合的边际分布做出各种假设,导致这类VaR模型或者高估或者低估实际VaR值。通过Copula理论,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函数不但描述了变量之间的相关程度,更进一步描述了变量间的相依结构,这些都使得Copula模型成为具有更强的刻画现实金融序列分布的动态模型。基于马可维茨投资组合理论,本文希望考虑在使用VaR度量风险的时候,相关性与VaR的关系。若假定市场数据服从正态分布,我们可以得到与马可维茨投资组合理论类似的结论,即线性相关性越小,投资组合的风险(VaR值)就越小。但由于金融数据大多不服从正态分布,且具有厚尾性,所以本文通过模拟方法研究了中国基金市场VaR与线性相关性和尾部相关性的关系,结果表明尾部相关性对组合的VaR有重要影响,所以在使用VaR方法度量风险的时候必须全面考虑组合的线性相关性和尾部相关性以力求结果的准确性。