当研究的资产维度较高、数据量较大时，协方差阵的估计将面临维数诅咒、噪声影响等诸多挑战，如何有效地对其进行估计成为统计领域中越来越重要的亟待解决的问题。本书在前人研究的基础之上，对DCC、BEK、ccc及 goGARCH等 MGARCH模型进行了改进，通过模拟和实证研究发现：改进的 MGARCH模型明显提高了高维资产间协方差阵的估计效率，并且将其应用在投资组合时可以获得更高的收益。
本书适合统计学、金融学和数学等相关专业的研究人员和高校师生阅读，也可供从事金融高维或高频数据研究的工作者或对金融计量感兴趣的读者阅读。