金融时间序列具有尖峰厚尾性、自相关性、波动集簇性和波动非对称性等特征,所以本文基于极值理论和GARCH理论,利用TGARCH-POT模型分别建立了上证指数和深圳成指的边缘分布函数。在经济全球化的背景下,金融市场不是封闭和孤立的,不同市场之间,或者不同资产之间,往往存在相互影响和波动的相关关系。描述两个市场相关结构的传统做法是选取t-Copula函数,但t-Copula函数具有对称性,对于变量间的非对称尾部相关并不适合。在阿基米德Copula函数中,Gumbel Copula和Clayton Copula函数的密度函数都具有非对称性,能够很好的描述市场间的尾部相关性。因此本文考虑从Gumbel Copula和Clayton Copula函数中选取一个适当的Copula函数来描述沪深股市的相关结构。我们选取上证指数和深圳成指2002年至2011年10年的数据做实证分析,运用Copula蒙特卡洛模拟计算出来的VaR与真实值比较得到2010年和2011年的不同置信水平下的失效天数。从中可以看到,(1) TGARCH-POT-Copula相比GARCH-t-Copula有效,这说明了利用极值理论中的POT模型改进了边缘分布,而GARCH-t-Copula显然低估了风险。(2)在201O年和2011年,TGARCH-POT-Gumbel Copula相比TGARCH-POT-Clayton Copula有效,主要原因可能是经过08年金融危机后,经济开始复苏,投资者信心开始增强,所以Gumbel Coupla函数比较适合描述这两个市场在这期间的相关结构。