本文主要研究Copula理论及其在信用风险管理中的应用。论文在研究Copula理论的基础上，构建了基于Copula理论的信用风险违约模型，论文的主要内容和研究工作集中于以下几个方面： 首先详细叙述和解释了第一类信用风险模型，即结构化模型，讨论了模型的影响因子，推导出违约概率、违约距离、违约价差的解析表达式。结构化模型的扩展主要有首达时模型和偏移模型，前者考虑了契约中的障碍条款，而后者考虑了违约的成本，因此要求给予公司一个恢复期。 其次，论文解释了另外一类比较有代表性的信用风险模型，即约化模型，其不同于结构化模型之处在于没有回答公司为什么违约，但却更好的符合了现实世界的突发违约现象。并且以真实的标准普尔迁移矩阵解释了约化模型在信用风险管理中的应用。特别地，约化模型应用了随机过程中的马尔科夫理论。 论文的第三部分是本文的核心内容，首先以实例解释了不完全信息的涵义，给出了不完全信息的数学表达式，定义了信息滤子。由于信息的不完全性，因此考虑为违约概率提前构建一个分布，用到了所谓的Copula理论。Copula的本质是一个联合违约概率，但它包含了非线性因素，因此更贴近现实世界。不同的Copula函数具有不同的分布特点，因此适合在不同的市场条件下使用。 特别地，根据当前的信息滤子对模型参数予以实时更新对不完全信息下的信用风险模型是至关重要的，它也是此类模型的一个核心思想。更新后的模型可以更好的拟合现实。通过Copula函数，我们可以得到不同情形下的违约概率，例如两公司同时违约、同时无违约、一个违约一个无违约，并且违约的时点可以随意选取。这事实上是一个典型的定量研究模型，模型回答了违约以多大的概率发生，因此可以用于信用风险管理。