本文主要研究了Copula理论及其在相关性分析中的应用．在深入研究Copula理论的基础上，首先对两种最常见的Copula函数进行比较研究；然后构建了基于Copula理论的沪深股市相关性模型，并通过参数估计求出了相应的联合概率分布；最后研究了Copula模型在信用衍生品定价中的应用．论文的主要工作和创新点如下： 1.许多学者用Gaussian Copula建模，但是它无法捕捉到尾部变化，而且尾部相关系数不存在．本文采用Copula度量中国股市的相关性，用二步估计方法估计未知参数，并计算出了沪深股市在C0pula模型下的尾部相关性指标，克服了GaussianCopula对相关性建模的不足，最后通过对沪深股市的实证分析并结合Monte Carlo模拟比较说明t-Copula优于Gaussian Copula． 2.相关性分析是多变量金融分析中的一个中心问题，由Copula函数决定的相关结构打破了线性相关的界限，反映了非线性的变化．论文以沪深股市10种指数为例，对沪深股市进行基于Copula方法的相关性分析，给出多元相关结构的参数估计；并由得出的相关结构求出了多元联合分布函数． 3.近年来，信用衍生品(CDO)市场发展迅速，信用衍生品也从面向单一信用风险转为面向组合信用风险．资产违约的相关性越高，同时发生违约的可能性就越大，这将导致信用资产组合出现大范围的损失．资产间的违约相关性因此成为信用产品组合定价的核心．本文利用Copula理论对信用衍生品(CDO)市场的资产池中资产间的违约相关性进行了研究，并求出来信用资产池中资产间的违约联合概率分布．