近年来,随着金融全球化和自由化的不断深入,金融风险管理技术得到了迅猛发展。而上世纪90年代初才提出来的VaR方法,由于本身具有良好的性质,使它很快成为风险管理中最重要、应用最广泛的风险度量方法。Copula函数可以将多个随机变量的边缘分布连接在一起形成联合分布。变量间的相关结构完全由Copula函数决定,而各变量的统计特征由其边缘分布确定。这样Copula函数在多元建模领域成为重要的工具。与描述变量间线性相关关系的常规方法相比,Copula描述的多元随机变量间的相关结构可以提供更准确的信息。鉴于此,越来越多的学者将Copula函数应用到VaR中,取得了不错的效果。就目前来看,Copula函数在应用中存在的主要问题就是函数形式的选择。虽然一些文献就Copula函数的选择提出了相应的建议,但是这一问题并未得到很好的解决。论文针对这一情况,在充分总结现有选择方法的基础上,使用一种基于贝叶斯理论的Copula函数选择方法。该方法无需对Copula函数的参数进行估计,并能对待选Copula函数的拟合效果排序;结合图形选择方法对中国证券市场进行研究,得到了待选的Copula函数拟合效果顺序,确定最优Copula函数。另一方面,论文考虑到实际收益的“尖峰厚尾”的特点,选择Laplace分布对边缘分布进行拟合。同时,利用前面得到的结论,选取拟合效果最好的两个Copula函数,组合生成一个新的混合Copula函数,从形式上看能够有效降低误选风险,保证最优Copula函数要求。将它与边缘分布函数结合构成联合分布函数,最终得到投资组合的分布函数。利用VaR的定义,计算出一天持有期内投资组合的VaR。从之后的返回检验结果来看,通过这一方法选择生成的Copula函数模型能够较好的度量组合风险。