Copula函数在处理非正态联合分布函数方面拥有良好的性质,已经被广泛地应用于各种金融领域。特别在解决风险管理、投资组合的选择、资产定价等方面问题时,已经成为一种极其重要的途径。然而单一Copula函数在描述金融风险相关关系时往往存在着一定的不足,特别是在实际的金融市场中,金融风险之间的相关结构往往更为复杂,这时如果用单一的Copula来描述,会具有一定的局限性。在此基础上构造的混合Copula是将几种Copula函数加权组合在一起,这样能更好的捕捉金融市场的尾部相关关系。本文的主要工作及创新点如下:首先,本文介绍了Copula和VaR的相关知识,然后归纳总结了计算VaR的方法,包括传统的正态方法和单一Copula方法。在此基础上,将几种单一Copula函数加权组合构造出混合Copula模型,并重点研究了混合Copula函数的参数估计问题。在具体的证券市场风险度量的实证分析中,本文选取由高斯Copula、Clayton Copula、Gumbel Copula和Frank Copula加权组合构成的混合Copula函数,对其用上述EM方法进行参数估计,并画出其参数变化图。最后在正态Copula、t-Copula、Gumbel Copula和混合Copula的基础上用Monte Carlo方法分别模拟求出投资组合的VaR值,然后分别对几种不同Copula模型下得出的VaR值进行比较,研究表明,该混合Copula方法更能捕捉金融风险的尾部相关变化,计算出的VaR值要明显好于传统方法。针对风险中的非线性和非对称尾部的特性,引进极值理论对边缘分布进行建模,并将构造的混合Copula模型应用于资产风险的研究以及条件VaR的计算。经过对上证指数和深成指数日收益率的实证研究表明,POT模型能更好地拟合具有厚尾分布的收益率的边缘分布,而混合Copula函数也能更好地反应两种风险之间的相关关系。