已实现协方差矩阵：用高频数据拼出盘中多资产联动全景
日线滚动协方差要 20 天才能看清资产联动的变化，而危机往往只给你 2 天。已实现协方差（Realized Covariance）把一天切成几百个高频区间，用日内收益的外积和直接『量出』当天的协方差矩阵——单日数据就能出一个完整估计。本文用纯 numpy 模拟 4 资产 60 天、每天 390 根分钟线的高频数据（内嵌相关性 regime 切换），完整走一遍 RC 的构建与三大实战陷阱：签名图显示 6bp 微观结构噪声把 1 分钟采样的估计误差推高 3 倍，最优采样退到 5 分钟；Epps 效应实验证明稀疏成交资产在 1 分钟粒度下相关被拉向 -0.04（真实 -0.10），采样越细越失真；响应速度对决中 RC 5 日均线只用 2 天就捕捉到相关性从 0.6 跳到 0.89 的 regime 切换，20 日日线滚动相关要 17 天。最小方差组合样本外对决：RC 组合次日实现波动 8.62% vs 日线协方差 8.75% vs 等权 16.95%。另拆穿维度灾难（资产数 > 日内区间数时 RC 必然奇异）与隔夜跳空缺口两类结构性坑（中高阶）。