受经济全球化影响,各国金融市场间关联程度进一步加深,市场间风险传染频繁发生。中国金融市场起步较晚,在市场开放过程中将受到较大风险溢出效应影响。因此,准确测度其他国家对中国金融市场的风险溢出效应,对于风险投资者和金融管理者等至关重要。如今,Co Va R成为测度风险溢出效应的重要工具,其关键在于多元条件联合分布的刻画,copula-GARCH模型为此奠定了基础。但是,传统copula-GARCH模型存在两方面缺陷:一方面未考虑低频宏观经济变量的影响;另一方面存在维数灾难问题。对此,本文改进传统copula-GARCH模型,进而给出Co Va R测度方法,用以检测金融风险溢出效应,主要开展了以下两个方面的研究工作。首先,为了更准确地测度“一对一”情景下两市场间风险溢出效应,本文提出二元copula-GARCH-MIDAS模型。该模型在GARCH的长期波动因子中引入低频宏观经济变量构成GARCH-MIDAS模型对单个金融市场的边缘分布进行拟合;然后用copula方法描述“一对一”情景下两市场间的相依结构,实现条件联合分布建模;最后基于条件联合分布推导Co Va R类风险测度结果。在实证研究中,运用二元copula-GARCH-MIDAS模型,检测国际原油市场对中国金融市场的风险溢出效应。实证结果表明,与传统二元copula-GARCH模型相比,本文提出的二元copulaGARCH-MIDAS模型在Co Va R类风险测度方面更优,意味着在GARCH的长期波动因子中引入低频宏观经济变量能够提高风险溢出度量的准确性。其次,为了改进二元copula-GARCH-MIDAS模型无法满足多个市场下风险溢出测度的需要,本文使用vine-copula方法,构建vine-copula-GARCH-MIDAS模型,能实现“多对一”情景下三个及以上金融市场间风险溢出效应的测度。实证研究美国、英国、日本三个发达国家股票市场对中国股票市场的风险溢出效应,发现vine-copula-GARCH-MIDAS模型优于vine-copula-GARCH模型和DCC-GARCH模型,再次证实在GARCH的长期波动因子中引入宏观经济变量能提高Co Va R类风险测度的精度;多个股票市场同时陷入危机情景对中国市场存在显著风险溢出效应,监管者需要同时关注多个市场而非单一市场对中国市场的影响。本文研究工作在理论上,建立了copula-GARCH-MIDAS模型,通过GARCHMIDAS能够挖掘混频数据信息,改善边缘分布拟合效果;通过copula技术,能够刻画相关结构,实现多元条件联合分布建模。在实际应用中,引入低频宏观经济变量,提高了系统性风险溢出效应测度准确性,为相关决策提供参考。