近年来基于藤结构的Pair-Copula模型已广泛应用于多资产投资组合相关分析预测当中,相较于多元Copula函数,Pair-Copula将多元分布函数分解为一系列Pair-Copula模块,可有效捕捉资产组合间各种风险因素尾部相关差异,更准确的对资产间相关结构进行描述,使模型更加灵活有效。由此可见,基于藤结构的Pair-Copula模型其重点与难点在于对模型中的每个Pair-Copula函数进行选择和参数估计。考虑到对于一个d维的基于藤结构的Pair-Copula模型,其中有d(d-1)/2个Pair-Copula需要进行Copula类型指定,且变量间相依结构会随时间而发生改变,因此本文首先以基于藤结构的Pair-Copula模型这一已有模型为基础,提出将其中的每个Pair-Copula由单一的Copula函数改为时变混合Copula函数,以此来规避藤结构模型中各Pair-Copula选择及参数估计的易出错性,减少模型风险,使Pair-Copula的选择灵活且易于操作。其次,将基于混合Copula函数求参的EM算法进行拓展并首次用于对时变混合Copula函数求参,以此降低参数求解难度。最后,为降低参数复杂度,提高模型性能,尝试将基于藤结构的时变混合Copula(时变M-Copula)模型改为基于藤结构的全局混合部分时变Copula(部分时变M-Copula)模型。在实证研究当中,通过对给定的样本数据分别采用M-Copula,时变M-Copula以及部分时变M-Copula函数作为Pair-Copula构建基于藤结构的Pair-Copula模型,比较其AIC与BIC的值,结果证明本文提出的基于藤结构的部分时变M-Copula模型更全面的刻画了数据间的相关结构。