当前对于资产日内波动率及在险价值（VaR）的研究中，对单个资产非等间隔日内VaR已经有了一套比较有效的方法，但资产组合VaR仍停留在等间隔抽样数据的研究上。本文首次提出资产组合的非等间隔日内在险价值（Irregularly Spaced Intraday VaR，ISIVaR）的研究思路和方法并给出了完整的算法，解决了资产组合逐笔交易数据非等间隔且不同步问题，由此利用逐笔交易数据所包含的丰富的市场微观结构信息对VaR进行估计。　　本文首先基于价格持续时间的EACD(p，q)模型，利用单资产的日内波动率的自相关关系对其非等间隔日内波动率和VaR进行估计。接下来通过更新时间方法将非同步的资产组合标值序列同步化。然后运用Copula理论建立资产组合的非等间隔日内波动模型，并捕捉到资产组合中各资产在截面上的相关。最后来利用这种截面相关关系，通过蒙特卡洛模拟的方法估计出资产组合的ISIVaR。　　本文实证研究部分，将民生、招商和兴业三只银行股构成的资产组合，利用逐笔交易数据估计资产组合非等间隔日内在险价值。研究发现，多元波动模型中包含截面相关信息的截面相关项尾部厚度介于正态分布和t分布之间，利用双对数分布拟合较好。进而边缘分布为双对数分布的Clayton-Copula、Normal-Copula或t-Copula对95％、99％和99.5％水平下的资产组合ISIVaR的估计比较准确。由此推测资产间波动率的横截面相关性可能存在三维空间上的非对称且上侧尾部较厚的特征。