随着近几十年国际上金融行业的发展以及金融市场的变迁,金融资产管理的风险也逐步加剧,因此资产管理配置问题也是近年来学术界研究的热点问题之一。Markowitz(1952)的均值—方差模型为现代的资产组合理论奠定了一定的基础[1]。Copula分布估计算法是结合Copula理论和分布估计算法二者产生的一种智能优化算法。Copula理论,为获取联合分布提供了一种方法,它提出将联合分布分解为一个连续函数和多个边缘分布[2],其中,边缘分布反映单变量变化,函数说明变量间的相关结构。与联合分布相比,获取变量的边缘分布相对更容易,取样更简单。智能优化算法兴起于20世纪30年代,引入了生物进化的思想和特征,主要包括选择、遗传等,典型算法如遗传算法、菌群算法粒子群优化算法等。而分布估计算法是基于遗传算法发展起来的一种进化算法,其主要特点是建立概率模型来得到新个体[3]。分布估计算法在运算时具有高效的优点,但是在估计概率模型时,其操作比较复杂,运算量也比较庞大。因此,本文将Copula理论和分布估计算法结合运用,利用Copula理论的优势简化分布估计算法建立概率分布模型的过程,并将Copula分布估计算法运用到金融风险分析领域进行应用,并且引入菌群算法复制的思想进行改进。然后将Copula-Va R模型计算的结果与Copula分布估计算法度量风险的结果进行对比,说明使用算法的有效性。在算法目标优化函数的选取上,本文引入了风险调整资本收益这一目标函数,更符合风险的实际含义。其次,通过实证说明了Copula函数可以很好的获取到各金融资产之间的有效信息,尤其是金融资产不服从正态分布,具有尖峰厚尾分布特征的特性[2]。投资者在面对当今风险加剧的金融市场时,对于风险分析度量的要求会越来越高,因为投资者会希望以更小的风险达到最大化的收益,更好地进行资产配置。因此本文将Copula分布估计算法应用到风险分析中是有现实意义的,为风险度量提供了又一种方法。