随着全球金融市场特别是金融衍生品市场的迅猛发展,金融机构和投资者面临的各种风险日益复杂和多样化,因此对金融风险的评估和测量也提出了越来越高的要求。由于copula方法在刻画相关结构上的良好性质以及对风险的准确度量,其受到了理论界和金融机构的广泛重视,并成为金融风险度量的一种重要方法。然而,复杂的copula族很难在实际中得到应用,因此,本文考虑利用具有简单相关结构的copula族逼近一般copula的问题。　　 本文首次利用空间分块的方法,构造出基于二维Fréchet copula的一类分块copula逼近,讨论其收敛性质、概率结构以及在金融和保险中的应用。由于二维Fréchet copula不能直接推广到高维,在考虑高维分块copula逼近时,本文选用另外一族具有简单相关结构的高维copula进行逼近,构造出高维分块copula逼近,并讨论其收敛性质及优化方法。与一些常用的copulai逼近相比,本文构造的分块copula逼近在逼近效果上有较好表现。　　 在各种copula逼近中,shuffle of min逼近的随机变量之间具有分段线性的函数关系,而且在分布意义下,shuffle of min逼近在整个copula集合中稠密。基于上述优良性质,本文讨论了shuffle of min逼近的构造方法,以随机变量形式给出其概率结构表示。基于shuffle of min逼近的随机变量表示,本文模拟产生shufile ofmin逼近的随机数,探讨其逼近原copula的随机数的误差问题。从数值结果上看,随着shuffle of min逼近误差的减小,其随机数逼近的误差趋于稳定。