资产配置问题是现代金融学核心内容。自马科维茨上世纪提出均值-方差分析框架以来,资产配置问题在多个方面获得突破性的发展。虽然众多研究者在不同方面发展了马科维茨的均值-方差分析框架,但是均值-方差分析框架依然是最经典的分析范式。资产收益率的风险测度作为该分析范式的一个核心变量而成为后续研究拓展马科维茨模型的主线之一。一般认为资产收益率的波动性是资产收益率风险最直观、实践性最好的测度指标。资产收益率的波动性研究是金融计量领域的核心和热点研究课题。基于金融高频数据的已实现波动率思想因为具有坚实的数理基础和无模型、易估计、可直接建模等优点而成为最近成果最丰硕的领域之一。本文将基于已实现波动率思想构建的已实现协方差阵作为风险测度引入资产配置问题的收益-风险分析框架中来,用整体波动率(积分波动率)的无偏估计量作为资产在一个时间段内的风险度量。建立基于金融高频数据的资产配置问题的收益-已实现协方差阵分析框架。在简要介绍资产配置问题的由来及基本理论之后,首先系统介绍马科维茨的均值-方差模型为代表的现代资产配置理论；其后重点介绍后续研究对该模型尤其是对风险测度方面的研究成果及最新的研究动态。接下来本文介绍了金融高频数据领域的研究现状和基于已实现波动率思想的已实现协方差阵及其建模。金融高频数据具有因其频率高而具有独特的性质和处理方式。本文介绍了金融高频数据的特征及预处理技术。之后重点介绍了常见的几种纠偏降噪技术,对得到波动率矩阵序列利用条件自回归Wishart (Conditional Autoregressive Wishart)模型对已实现协方差RCOV (Realized Covariance)进行建模刻画。然后将收益率模型与波动率矩阵模型相结合,构建均值-CAW模型和均值-CAW-HAR模型。波动率变量是资产配置问题研究中的核心变量,在介绍已实现波动率矩阵最新研究成果的基础上研究基于已实现波动率矩阵的资产配置问题。并在此模型基础上,利用沪深股市超高频数据进行实证研究。得到如下结论：结论一：股票频繁交易中的信息在实证分析中绝大部分被舍弃。随着抽样频率的降低,数据保留比急剧下降。多维情形下,即使在我们采用保留信息最多的刷新时间法对仅仅三维资产同步化时,一半左右的有效数据被舍弃；这是进行实证分析特别是基于资产价格实际过程构建资产配置问题研究中需要重视和解决的问题。结论二：通过对波动率矩阵序列的统计特征分析,证明波动率是一个不断变化的动态过程。以往对资产价格波动的假设往往与实证结论不符,而本文直接对波动率的动态过程建模。有效地扑捉到了波动率的特性。为资产配置问题中求解目标函数提供了坚实基础。结论三：通过不同数据集,不同已实现波动率矩阵算法,不同均值-波动率模型的对比分析。发现已实现波动率算法对模型参数的影响明显。这种影响在不同数据集,不同模型中都得到验证。