在组合资产进行风险测度时，需要对序列之间的相依关系进行刻画。由于金融产品数据所呈现的非正态性和非线性相关，其关系并不是简单的pearson线性相关系数能够描述，虽然能够使用kendall等秩相关系数进行衡量，但描述出的相关系数任然不能够反映出实际的依存关系。Sklar的Copula理论指出，在利用Copula函数对投资组合进行联合分布的构造时，需要确定单个维度的边际分布和合适的Copula函数。

n维的Copula函数虽然可以将n维单个分布构造为一个联合分布，但由于n维数据之间的相依关系形态复杂，用一个Copula函数进行高维数据的连接难免会忽略其中个别数据之间的相依关系，所以通过Pair Copula函数可以将一个多元联合分布密度函数拆分为多个Pair Copula函数和各边际分布的条件密度函数的乘积，其中的Pair Copula可以根据数据的实际情况进行确定，这样便更能准确地度量出多元数据的相依关系，从而使变量的联合分布函数构造得更加准确，