2007-2008年发生的全球金融危机及随后在2010年发生的欧洲主权债务危机,对各国政府和投资者的信心产生了巨大的影响。这激发了学界和业界把多个资产间的相关性当做一个中心议题来研究的兴趣。其中一个原因是在金融危机期间,金融市场之间表现出比正常时候更强的相互依存关系,从而削弱投资者预期通过资产组合获得的分散化收益。直观地,在金融危机发生时期,我们通常从电视里,报纸上和网络中了解到关于企业破产和金融大鳄资产缩水的相关新闻;但是,在正常时期,新闻中鲜有报道投资盈利的消息。资产之间这种不对称行情最终导致相互关系的不对称,即资产之间的相关性受金融市场总体环境的影响而表现出反应程度的不一致。本文主要研究金融资产之间的相互关系,特别包括了最近金融危机时期的相互关系。具体地,我们主要从两个方面对相关性展开研究:第一方面,从统计检验的角度研究资产间相关性的数值特征,特别是相关性呈现出的非对称特征。为此,我们构建了一个检验统计量进行研究分析。第二方面,基于相关性的数值特征,在构建模型的时候充分考虑到这种特征事实的存在并通过计量方法进行刻画捕捉,以期提高实证结果的表现。具体包括:原油市场上不同合约品种的相关性及其交互对冲研究、高维资产间的相关性估计及其组合分散化研究、分笔数据中实现相关系数的建模和预测、金砖国家的股票市场和原油市场的相关性研究。区别已有的文献,本论文的主要工作和结论有如下几方面:(1)结合经验似然(empirical likelihood)方法,构建了一个不依赖于模型(model-free)的统计量去检验相关系数的非对称特征。理论上,由于经验似然在构建统计量时允许权重不同,而广义矩(GMM)是等权重的,所以经验似然方法比广义矩更加稳健。与最接近的文献Hong et al.[1]相比较,我们发现在某些方面,本章提出的统计量功效(power)比Hong et al.[1]高出10%-20%。这意味着由经验似然构建统计量在某些情况下可以更好地挖掘相关性中的非对称信息。同时,把该统计量检验中国的股票市场,我们发现小盘股组合和上证指数之间存在着非对称现象,而中盘股组合和上证指数之间,大盘股组合和上证指数之间没有被发现非对称特征。(2)采用机制转换的多元GARCH模型去分析交互对冲效率问题。同时,我们还构造了一个基于机制转换的非对称动态相关性模型(RS-ADCC),它区分了两种现象:外生宏观因素引发模型的结构突变,这部分由机制转换部分刻画;同时,还有相关性的非对称现象,它由单变量的GJR模型和非对称动态相关模型(ADCC)共同刻画。实证部分突破了传统的期货对冲现货的模式,而是采用交互方式研究对冲问题,因为很多国家的期货品种尚未齐全。结果显示,机制转换的结果能够更好地捕捉到相关系数中的非对称性质,从而在一定程度上提高了对冲效率。在一些对冲情形下,RS-ADCC模型的样本外表现占优于其它竞争模型,所以在计算最优对冲效率时,RS-ADCC模型应该是在被考虑的范围之内。(3)对DECO模型进行拓展,使得该模型更好地描述高维资产的数据特征。具体地,我们从三个方面进行拓展:一是使用动态时间规整算法对高维数据进行聚类,而不是原来比较草率的行业分类,这样可以获得由数据自己说话的优点;二是建立了连接单个变量和分块之间的机制,拓展了原来DECO的适用范围;三是在动态相关性过程中引入了非对称机制。实证分析了标普100指数的成分股的资产组合问题。发现在Sharpe比准则下,新模型比DECO模型和分块的DECO模型具有更好的样本外表现,而且这些差异在统计上是显著的。(4)基于分笔数据计算的实现相关系数序列,我们构建了一个新的RS-HAR模型和RS-AR(1)模型。该模型充分考虑了高频数据特征:1.长记忆性特征,它由滞后一期、移动平均5期和移动平均22期刻画,类似于实现波动率HAR模型的结构;2.结构突变特征,它由模型中的机制转换结构刻画;3.异方差特征则允许在不同市场条件下的不同方差刻画,也具有机制转换结构。同时,我们还针对RS-HAR模型提出了一个EM算法估计参数,这种方法的好处是为极大似然估计(MLE)提供一个更好的初始值设定。模型的样本外预测能力显示,在向前一期RS-HAR模型和RS-AR(1)模型在大部分衡量准则下是占优的;在向前多不预测的时候,RS-HAR模型和RS-AR(1)模型全面占优其它竞争模型。