本文给出了建立Pair-Copula Bayesian Network模型时参数估计和模拟抽样的步骤,并以具体的算法表示,也比较了vine copula模型和Pair Copula Bayesian Network模型应用于投资组合优化及风险度量中的效果。文章引入vine copula模型描述全球8个股票市场指数在2008年金融危机期间及其前后3个时期的联合分布,给出CVaR值最小时3个时期的最优投资权重。3个时期的对比表明,股票市场间普遍存在对称、厚尾的相依结构,香港恒生指数和韩国KOSPI指数在全球股票市场间起到枢纽中心的连接作用,2008年金融危机的发生使全球股票市场间的联系愈发紧密。相比C-vine和D-vine模型,R-vine模型能更好刻画股票市场间较复杂的相关性结构。本文给出建立Pair Copula Bayesian Network(PCBN)模型时参数估计和模拟抽样的步骤,并以具体的算法表示。PCBN模型的参数估计及模拟抽样的算法可在传统C-Vine模型的参数估计及模拟抽样的算法基础上得出,主要区别是PCBN模型的算法在循环遍历每个节点时需要判断排序在其之前的节点是否为它的父节点。最后,对比将Pair Copula Bayesian Network(PCBN)模型应用于描述描述全球8个股票市场指数在2008年金融危机期间及其前后3个时期的联合分布而给出的CVaR值最小时3个时期的最优投资权重,两个模型中各资产的最优投资权重的分布大致相同,风险最小时投资组合的CVaR值十分接近。