随着高频金融数据的获取，已有很多基于高频数据的研究，包括已实现波动率的估计及其分布特征分析等．尝试结合日内高频数据和日收益率数据，基于 Copula 方法分析了日收益率与“已实现”波动率以及日内价差之间的相依结构．通过分象限对数据进行了 Copula 拟合，给出了一类特殊数据的联合分布估计方法，进而给出了已实现波动率和日内价差条件下的CVaR 的估计方法．最后基于中国股市上证综指和深证成指的高频收益率数据进行了实证分析，并对两种条件下的 CVaR 方法进行了预测效果的比较，实证结果表明已实现波动率条件下的