Copula函数是处理变量间相关结构的有力工具,已经广泛地应用在风险管理、投资组合选择、资产定价等金融领域。然而单个Copula函数在描述变量间的相关结构有一定的不足性,特别在实际的金融领域中,变量间的相关结构往往比较复杂,这时候会如果用单个Copula函数来处理,具有一定的局限性。而混合Copula函数把不同的Copula函数混合在一起,这样能够更好地描述变量间的相关结构。然而不同的Copula函数组合在一起,有可能出现误选,这样会造成模型拟合的失真。对于混合Copula函数的边缘分布,往往假定其服从某种分布。然而在复杂的金融领域中,这样在进行数据拟合时,会造成拟合失真。针对上述问题,本文在前人研究工作的基础上,对其进行了研究。主要研究内容包括以下四个方面：(1)对混合Copula函数的边缘分布采用核密度估计(2)借助变量选择方法中的惩罚函数方法,对混合Copula函数的权重参数进行选择和估计。(3)借助EM算法和BFGS算法解决混合Copula函数相依参数的选择及其参数估计。(4)对上述方法在沪深股市中进行应用。