GARCH（1,1）模型及其扩展已成为建模金融收益和投资组合风险波动动力学的标准计量工具。在本文中，我们提出了对GARCH隐含条件风险值和预期缺口预测的调整，该调整利用了不相关但依赖的模型创新的预测内容。调整是由模型残差的非高斯特性驱动的，并通过模拟的二元标准copula分布的条件矩以半参数方式实现。我们对一组18个股票市场指数进行了样本内预测比较。总共，四个相互竞争的copula GARCH模型在其一步预测性能的基础上进行了对比。关于预测的无偏性和准确性，特别是Frank GARCH模型提供了最保守的风险预测，并优于所有竞争对手的模型。