随随着传感技术及数储存功能的快速发展，实际应用过程中经常会碰到各种类型的高维数据，如金融数据，基因数据，复杂生产过程数据，医疗卫生数据等。在分析高维数据过程中碰到最大的挑战就是维数的膨胀，也就是“维数灾难”的问题。当维数增加时，分析和处理高维数据的复杂度成指数增长，计算同时也成指数增长。过多的协变量使得很多传统统计方法无法有效地运用。本报告先讨论一些处理大数据的现代高维统计方法，然后讨论它们在金融工程中的一些应用，包括（1）基于压缩样本协方差矩阵特征值改进资产组合优化的方法；以及(2）稀疏指数追踪方法。