本文利用“藤(Vine)”分解法,将一个多元联合分布函数分解为两两变量间的Pair Copula函数与单变量的密度函数的乘积,构造了Pair Copula-GARCH模型,得到了多元联合分布函数,进而可预测出多资产投资组合的风险。其中每一对Pair copula函数根据变量分布的特性可以选择二元t或正态Copula这种对称的二元Copula函数或者Clayton和Gumbel Copula这种不对称Copula函数来拟合,这就使得资产间的相依性差异可以很准确地被Pair copula结构捕捉到。文中对三个不同板块的股票日收益率数据组成的投资组合的风险进行了实证分析。通过用GARCH模型对单个资产的收益率分布进行估计,进而与Paircopula进行组合,对模型的参数进行估计,得到了投资组合的联合分布。最后采用历史数据估计法计算出VaR值,预测出了投资组合下一个时期的损失值从而预测它的风险。用Vine结构分解Copula函数的优点是,由此过程产生的相关矩阵总是正定没有对参数进行限制。再者,它克服了直接利用多元Copula函数构造多变量联合分布时,变量之间存在相关性的、而导致结果的不精确和复杂性的缺陷。相比直接构造多元Copula函数,用藤结构方法将多元联合分布进行分解不要求各个变量之间的独立性假设,因此这种新的方法给构建高维相关结构模型开辟了一条新的路径。