相依性研究是金融领域中的一个重要问题，投资组合、资产定价和风险管理等问题都与相依性研究有关。随着金融市场的快速发展和经济全球化的不断深入，金融数据表现出的分布越来越不规则，金融资产间的相关性越来越复杂。作为统计学中相关性分析的有力工具，Copula函数不仅能够较好刻画随机变量间的相关性，还能够将相关关系和数据的分布分开来研究，这为研究金融资产间的相关性提供了方便，也为人们理解资产之间的相关性提供了理论基础。鉴于非对称Laplace分布具有尖峰厚尾及有偏等特性，能够较好地刻画金融数据的分布。本文以Copula函数和非对称Laplace分布为理论基础，尝试地做了如下几方面的工作：（1）对于非对称Laplace分布是否能作为金融资产收益的密度估计，做了实证分析，通过图形拟合检验，得出非对称Laplace分布能作为资产收益分布的密度估计，并以此作为后文Copula理论建模的边缘分布。（2）探讨了混合Copula函数与成分Copula函数间相关性测度的关系；选用Gumbel、Clayton和Frank Copula函数的线性组合构建了混合Copula函数，用实证分析的方法，研究了混合Copula函数在描述相关性方面的灵活性和准确性，发现混合Copula函数更能准确灵活地描述我国沪深股市间的相关性。（3）金融资产间的相关性分析是金融领域研究中的一个重要问题，以上证指数和恒生指数为例，本文选取了Gumbel、Clayton、Frank和C Copula函数，对金融资产间的相关性进行了分析，分析发现Clayton Copula函数最适合描述上证指数和恒生指数间的相关性。最后，总结和分析了本文的研究工作，并给出了下一步研究的课题。