在数理金融领域，变量间的相关性研究具有相当重要的作用，它是进行投资组合、资源配置的关键参考指标，同时也在很大程度上影响着风险价值(VaR)的准确度量。当今，金融创新和信息技术的进步、经济合作的深入等使得金融市场间的价格协同作用更加明显，因此，关于金融市场间的相关性研究具有重大意义。在我国的经济体系中很多行业是紧密联系在一起的，这就致使在股票市场中这些行业板块的股价变动具有一定的相关性，而关于板块间的相关性研究还不多，因此本文选择房地产板块和钢铁板块、建材板块间相关性进行研究。　　 Copula理论在相关性的研究领域具有独特的优势，它将不同金融资产的边缘分布连接起来表示出变量的联合分布，从而有效的刻画出变量间的相关结构。Copula函数不限制各变量的边缘分布，这使得模型的构建变得简易得多。本文选择三类Copula函数对三个行业板块间的相关性建模，通过对比得出能较好的刻画相关性的一类Copula函数。　　 尽管Copula理论的应用已经非常成熟，但是大多数Copula模型都是基于低频数据(一般是日数据)建立的，这样就难免丢失大量的日内信息。而高频数据可以有效的较少信息的丢失，因此本文将基于高频数据的“已实现”波动作为解释变量引入Copula模型的边缘分布中，对Copula模型进行改进。最后通过实证分析对比得出在Copula模型中引入高频数据后，Copula模型对板块间相关性的刻画能力大大的提高了。