我们为受噪声和非同步观测影响的多维连续半鞅对数资产价格过程的现货协方差矩阵提出了一种新的估计器。 估计器是基于块式参数频谱协方差估计的局部平均值构建的。 后者源自 Bibinger 等人最近引入的局部矩量法 (LMM)。 (2014)。 我们在具有随机波动率、杠杆率和一般噪声分布的非常一般的设置中证明了所提出的现场协方差估计器的一致性和逐点稳定的中心极限定理。 此外，我们将 LMM 估计器扩展为对自相关噪声具有鲁棒性，并提出了一种从数据中自适应推断自相关的方法。 基于模拟，我们为估计器的最佳实施提供经验指导，并将其应用于纳斯达克蓝筹股横截面的高频数据。 使用估计器来估计正常和不寻常时期的现货协方差、相关性和波动性，可以对日内协方差和相关性动态产生新的见解。 我们表明，日内（共）变异（i）遵循潜在的周期性模式，（ii）揭示与（共）变异风险相关的大量日内变异，（iii）具有很强的序列相关性，并且（iv）可以强烈且接近如果有新信息到达，立即。
