【摘要】本文选取全球具有代表性的七大股票市场指数作为研究对象,首先,运用ARMA-APARCH模型方法对各指数的条件收益率和条件波动率进行刻画;其次,引入极值理论对金融资产收益率的尾部进行建模,拟合金融资产的边缘分布;最后,采用基于最大生成树(MST)算法的R-Vine Copula模型刻画七个股票市场的相依结构,以此测度组合投资风险水平。实证结果表明:一是ARMA-APARCH模型方法可以有效捕捉金融资产收益序列的"尖峰"、"有偏"、"自相关"等特征,引入极值理论对金融资产收益率的尾部建模,能够更好地测度极端情况下多元资产组合的风险;二是由于R-Vine Copula模型在刻画多资产间相依结构时具有灵活多变的R-Vine结构,使得R-Vine Copula模型能够更加准确地描述多资产间的相依结构,Vuong检验也证实无论在何种置信水平下基于R-Vine Copula相依结构的风险测度精度都是最好的;三是C-Vine和D-Vine的预测能力要强于R-Vine all t和R-Vine all N,这表明Vine Copula相比于二元和多元Copula更具有灵活性,更能反映真实资产之间的相依结构。上述研究结论为更加准确地测度金融资产组合投资的风险提供了有效的技术参考,可以为金融监管部门和金融机构加强金融资产组合风险的监管和管理提供理论支撑。