本文介绍的已实现波动率理论,通过将日内高频收益率的平方加总而求得当日的已实现波动率,其作为日真实波动率的一致估计量而使得原本不能直接观测到的隐含波动率变得可以观测得到,并在此基础上本文还根据渐近理论引入新的用以代替已实现二次幂变差的估计量来使得连续波动和跳跃波动的分离工作更为有效。在将波动率当中的连续样本路径方差和离散跳跃方差有效地分离开后,文章选用异质自回归类(HAR)模型来对波动率建模预测。考虑到中国股票市场因其不成熟极易收到外界因素的影响而出现剧烈的波动,文章还引入经过修正后的迭代累积平方和算法(ICSS)来计算股票市场波动序列当中的结构突变点,并在根据这些结构突变划分出的子样本区间内分别考察模型的模拟预测能力。在对实证结果进行分析后发现,已实现波动率在其标准形式下也呈现出右偏且尖峰厚尾的分布,而其对数形式则已经非常接近标准正态分布,符合经典理论当中对波动率的设定,此外波动率的序列子相关性也非常明显,有较强的波动聚集性。在分离波动率当中的跳跃和非跳跃成份后发现两个序列均存在自相关性,但跳跃成份的自相关性要弱于非跳跃成份。对已实现波动率的HAR类模型建模回归的结果显示,同时将跳跃和非跳跃成份作为解释变量的模型提前一天的预测能力最佳,在经计算分离出的四个样本子区间中的实证结果也显示如此,但是模型当中跳跃的预测能力并不显著,故文章又仅选用非跳跃部分再次对波动率进行考察,发现波动率序列当中存在着规模效应和杠杆效应。