现代投资组合理论的产生以1952年Markowitz提出均值-方差投资组合模型为标志。对于均值-方差模型来说，正态分布假设是非常重要的。只有当风险资产的收益率服从正态分布时，方差才是理想的风险度量；此时投资组合的联合分布是正态分布，并且可以由单个资产的分布和资产间的线性相关系数得到。实证研究表明，实际情况下风险资产的收益率序列往往并不服从正态分布，普遍具有尖峰厚尾性，各资产之间存在非线性关系。在此情况下，方差不再是良好的风险度量，投资组合的联合分布也不一定是多元正态分布。因此，要对投资组合进行风险度量及优化，需要知道投资组合收益率的联合分布函数，而这个联合分布函数往往难以求出。同时，风险资产收益率序列的波动具有群聚性，所以从动态角度研究其特征是十分必要的。　　 本文用VaR和CVaR来代替方差作为投资组合的风险度量标准；对风险资产收益率序列的动态特征，用GARCH模型来刻画其波动的群聚性，并对于可能存在的杠杆效应，考虑使用一个EGARCH模型；随后，本文通过极值理论中的广义GPD分布来描述收益率序列的厚尾性。在综合运用上述模型对单个风险资产收益率的边际分布进行建模之后，选取适当的Copula函数构建投资组合收益率的联合分布。最后，本文运用所建立的模型对投资组合的风险进行度量；并且，为了解决投资组合优化问题，从效用最大化的角度，给出投资组合优化问题的模拟计算方法。通过上述模型，本文对中国股票市场上的四只股票构成的投资组合进行了实证研究，研究结果表明，Copula-EVT模型在风险度量和组合优化两个方面都优于传统模型。