协方差估计作为多元统计分析的环节之一,在许多领域得到了广泛应用,其中在资产投资组合领域,组合波动率协方差精度矩阵可以应用于计算最优组合权重,得到最小投资组合风险等,对资产投资组合构建起到至关重要的作用,其估计的精度与效度直接决定了投资组合配置的最终绩效。金融投资组合因其可以分散资产风险、保证投资收益,被越来越多的投资者与投资机构应用于资产配置之中,也引起了学者的广泛关注与研究。当前,随着计算机与大数据信息技术的进一步发展,金融数据的可获得性得到了全面提升,基于高频金融数据配置资产组合日益成为日内高频交易者的标的对象。然而,当前关于金融高频交易的研究大多局限于低维资产组合配置,而高维资产组合方面相关研究较少,目前已有的高维资产组合配置的标的数据往往也只局限于日度低频交易数据,较少研究高维资产下的日内高频金融投资组合配置状况。基于上述背景,本文以高维高频金融投资组合为依托,通过数理统计相关方法推导出高维高频瞬时波动率精度矩阵估计量表达式,利用蒙特卡罗模拟高维高频金融时间序列数据生成,选取资产阶数为30、60、90以及120作为高维高频投资组合配置标的,分别在非噪音环境与噪音环境下生成数据,利用均值谱损失（MSL）作为估计量评价指标,得到各阶资产下的最优估计窗宽以及最优收缩函数。进一步,在实证分析方面,本文选取沪深300成分股日内高频交易价格数据,分别在采样频率为5min与1min时进行投资组合配置,分别选取资产阶数为30、60、90与120,利用前一步蒙特卡罗模拟得到的各阶最优参数组合进行对应阶数下的投资组合瞬时波动率精度矩阵估计,并计算各自的最优组合权重与最小组合风险,配置静态策略、动态策略、时变策略与等权策略四种投资组合,观察各自的组合收益率、累积收益率、组合方差、夏普比率与信息比率的时间序列状况,利用投资组合绩效评价指标年化收益率、年化标准差、夏普比率以及信息比率对所配置的投资组合进行评价,并将时变策略与沪深300ETF指数投资策略进行对比分析。本文的研究发现,在非噪音环境与噪音环境下各自资产阶数下瞬时波动率精度矩阵对应的最优参数不同,相对比噪音环境,非噪音环境的估计量更加精确,表明噪音在一定程度上会影响最终的精度矩阵估计结果,需要考虑更加适当的降噪方法对噪音数据进行处理;在高维高频资产组合配置方面,本文发现随着资产阶数的改变,四种组合策略表现出各自的配置特点,整体来看,非噪音环境下,时变策略的综合绩效评价最优,动态策略绩效次之,静态策略与等权策略表现最劣,而在噪音环境下,各组合配置分布不规律,具体配置绩效受资产阶数影响。以上资产组合配置结果表明估计的瞬时波动率精度矩阵可以有效改善非噪音环境下的投资组合配置,提高组合收益,降低组合风险,但是噪音环境下的组合配置仍需要进一步研究完善。对比分析的结果表明,时变策略投资组合效果整体优于沪深300ETF指数资产投资效果,也即本文所提出的高维资产主动配置效果优于指数资产配置效果。本文以非噪音环境与噪音环境下的高维高频时间序列数据为载体,构建高维高频下的瞬时波动率精度矩阵,验证了估计量的相关数理性质,通过动态调参的方法将估计量应用至高维高频资产投资组合配置之中,检验了相应的资产配置效果,验证了估计量的有效性与适用性,为高维协方差估计提供了高频思路,也为市场上的日内高频交易者提供了高维投资组合配置方法,进而更好的提高资产组合收益,降低组合配置风险。