在资产组合配置理论中,多资产的协方差阵作为组合风险水平的度量,在进行资产组合设计过程中占有重要的作用,因此如何对协方差进行准确的预测,是投资组合领域一直关注的问题。随着高频数据的获取变得越来越容易,基于高频数据的已实现协方差及在其基础上建立的刻画波动率特征的模型也成为学者的研究热点。跳跃现象是金融资产价格在短期内发生大幅度波动的行为,而联跳则是多资产之间发生的同时性的跳跃,多资产间的联跳现象并不少见,宏观消息的发布、经济事件的冲击都会引起多资产的联跳,而这些信息又反映在资产价格的波动当中。因此,研究跳跃的特征并将其引入到对波动率的研究中,对于金融风险管理和资产配置都有重要的现实意义。现有的高频波动率模型以HAR模型作为代表,但是已有的研究大多局限于对股票指数等单资产波动率的研究,本文将单变量HAR模型扩展到多变量形式的MHAR模型,对多资产的协方差矩阵进行建模。为了保证已实现协方差阵的正定性,分别采用乔列斯基分解法和对数转化法建立CF-RCV和LOG-RCV估计量并将其作为模型的回归变量。同时,考虑到多资产间可能存在的联跳行为,采用BLT日内联跳检验法对联跳进行识别,并用Hawkes模型对联跳强度进行估计。为了探究联跳对多资产协方差阵的影响作用,首次将联跳识别变量JD和联跳强度变量JI分别引入到上述MHAR模型中,建立了三种扩展模型MHAR-JD. MHAR-JI以及MHAR-JDJI模型,比较了扩展模型相较于基准模型的样本内拟合能力的改善和样本外预测能力的提升,并用MCS检验法对所有模型的样本外预测能力进行了评估。实证结果表明,首先,引入联跳强度变量JI对多资产的协方差阵有显著的贡献,这种贡献作用是正向的,即联跳强度的增加会导致多资产协方差的增大。其次,引入联跳强度JI后的模型相对于基准模型均获得了更好的样本内拟合和样本外预测能力,表明联跳强度一定程度上反映了未包含在已实现协方差阵中的市场面消息。最后,MHAR-JDJI模型无论在样本内拟合还是样本外预测上都是最优的模型,表明同时考虑联跳事件的发生和联跳发生的概率的模型能更准确地估计和预测多资产的风险。此外,为了从经济意义层面对模型的预测效果进行评估,采用动态的全局最小方差策略进行资产组合配置,并采用四种绩效指标比较了根据不同模型的协方差阵预测值进行资产配置的效果,进一步验证了前文实证中的结论,即本文提出的模型有更好的应用价值。