现代投资组合理论认为对金融资产进行分散化投资能够降低非系统性风险,其理论依据在于各金融资产之间存在着相关性。因此,只有准确地描述金融资产之间的相关关系,才能构建有效的投资组合,从而达到分散风险的目的。经典的均值-方差模型中,使用线性相关系数来度量资产之间的相关性,假设金融资产遵循的是线性相关的多元正态分布。但现实生活中金融资产收益率序列呈现出“尖峰厚尾”及有偏等特性,并不服从正态分布,因此对使用线性相关系数造成了极大的约束。作为一种度量相关性的指标,DCCA相关系数则能够很好的度量两个时间序列之间的非线性关系,因此受到的理论界的广泛关注。然而,本文通过实证研究发现,无论是对于线性相关系数还是DCCA相关系数,其构建的协方差矩阵中都充斥着大量的“噪声”信息,因此两种方法都无法准确地刻画金融资产之间的相关性。基于此,本文利用随机矩阵理论对DCCA相关系数矩阵中的“噪声”信息进行了识别和清除,构建了真实相关系数矩阵。通过实证研究,本文发现无论是对样本内数据的拟合,还是对样本外数据的预测,基于真实相关系数矩阵的投资组合有效前沿都比线性相关系数和DCCA相关系数的有效前沿更优,即本文所提出真实相关系数矩阵是有效的。最后,本文引入熵的概念对方差度量指标进行了优化,构建了均值-方差-熵模型,并通过实证发现对于每一个参数μ>0,模型都能够求出唯一最优解。这为投资者提供了更多可供选择的有效投资组合,更符合投资者实际的心理状态。