随着工业、运输以及计算机科技等产业的进步,近二十年来我国金融市场逐步开放,金融市场快速成长并逐步在全球各国市场间呈现一体化的趋势。不仅激励了更多投资者涌入资本市场,与此同时也为各资本市场间的信息传递搭建了桥梁,加大了市场富含的信息量,也加快了信息流通的速度。也增加了二级市场非交易时段的信息累积量。当今我国市场金融衍生产品及其品种日益丰富,也相应要求了投资者在构建投资组合时要更精准的控制整体组合的风险暴露,资产间波动及协方差阵是量化分析金融市场所需的必要统计量,并且具有非常丰富的应用前景。虽然高频数据下的波动率估计较低频传统模型有明显优势,但基于高频数据的资产间协方差矩阵预测模型仍处于发展初期,完善基于高频数据的资产协方差矩阵预测即有十分必要的学术研究意义也在如今的金融大背景下具有联系实务的现实意义。本文从实证分析的角度出发,以基于高频数据的异质自回归模型(HAR)为载体,系统地研究了不同时间跨度的市场隔夜信息、以及各资产自身隔夜信息对资产间协方差矩阵的不同影响以及影响方式(杠杆效应),并从统计意义(SPA检验)以及经济意义(最小方差最优投资组合)两方面检验引入隔夜信息作为模型外生变量对模型预测能力的提高程度。并基于HAR模型的特点,分析了隔夜信息在日协方差、周平均协方差以及月协方差模型上的不同贡献。我们发现投资者对交易日间以及节假日间的隔夜信息反映较为敏感,其影响时段也并不相同,交易日间隔夜信息会迅速表现在次日交易的波动中,而节假日隔夜信息会慢慢的释放并影响到未来整个月的平均波动上。通过SPA检验以及投资组合相关指标的比较我们发现,通过引入市场隔夜信息,或是资产自身隔夜信息均可在不同程度上提高模型的样本外预测能力。我们发现投资者对自身持有资产的隔夜信息反应更为敏感,而对市场隔夜信息的反映具有一定的杠杆效应,投资者对市场隔夜信息的反映取决于市场隔夜信息是利空还是利好。