随着金融市场间联系的紧密性不断加强,对系统性风险进行准确的度量成为了相关金融从业者以及决策者作出合理选择以及决策的重要依据。如何通过数学理论建立一个可靠且有效的数学模型对金融市场的系统性风险进行度量是十分重要的。基于现有的风险度量以及相关研究,VaR方法只能度量独立市场的风险状况,会带来风险的低估甚至错误估计。为克服上述不足,本文在进行系统性风险的评估时采用CoVaR方法。该方法具有更好的普适性,涵盖了影响金融市场的各种不同的因素,同时考虑到了各金融市场时间序列存在的非线性情况。由于金融市场存在联系的复杂化以及数据结构的多样化和时变性的特点,金融市场之间的相依关系是不断变化的,尤其当金融市场处于低迷时期,金融市场间的相关性会显著增强。本文选用Copula函数进行金融市场间相关性的刻画。其不但可以反映出不同的金融市场存在的线性、非线性以及对称、非对称的相关关系,还能捕捉到金融市场间的尾部相依关系。本文构建了两大类模型:动态GARCH-Copula-CoVaR模型以及动态SETARVine-Copula-CoVaR模型对不同情形下的系统性风险进行研究。具体而言,动态GARCH-Copula-CoVaR模型首先采用GARCH模型对收益率时间序列进行边缘分布拟合,再利用Copula函数刻画两两金融市场间的相关关系和联合分布,最后在前两步的前提下进行CoVaR的求解,并在后续的工作中将其推广到动态情形下。第二,动态SETAR-Vine-Copula-CoVaR模型在第一个模型的情况下进行了金融市场状态的划分同时将研究对象扩展到了高维情形下,具体的,首先利用SETAR进行金融市场的状态划分,然后将划分的状态进行组合,对每一种组合方式建立CoVaR的求解,在求解过程中利用到了Vine-Copula对高维变量进行降维且利用了高维CoVaR的求解方法。同样在后续的工作中将其推广到了动态情形下。对于模型一,选取上证指数以及上证指数中的6家子金融机构,分析子金融市场对上证指数的系统性风险,发现6家子金融机构均对上证指数具有显著的正向金融风险的影响,只是表现在程度不同,对选定的6家子金融机构进行聚类分析仍然存在相同的结论。对于模型二,选定了上证指数以及上证指数中不同经营性质中3家市值最高的子金融机构为研究对象,在不同的金融市场状态下得出不同的结论。最后本文也给出了相关的建议为金融监管者提供有力的参考依据。