波动率是金融理论的核心，其代表的含义即为风险。在金融计量经济学和时间序列分析领域中，已经建立了一类的数量模型来分析金融市场上的波动特征，如著名的ARCH类模型。但随着科技的发展，人们可获得的金融数据的频率越来越高，这样在高频数据下，中国股市波动是否会表现出一些新的特征呢?标准的时间序列模型是否合适呢?目前国内关于这方面的文章还不多见。本文试利用收集到的沪深两市指数的五分钟数据集对中国股市的波动特征进行实证分析，首先运用GARCH(1，1)模型对数据进行拟合，描述了中国股市收益波动的特征：并针对高频收益序列的特点，提出了一个改进的GARCH-M模型，刻画了中国股市中风险与收益的关系。结果发现：1)在高频数据下，中国股市收益序列具有典型的金融数据特征：尖峰厚尾，并且在五分钟频率下表现为峰更尖、尾更厚；2)收益率自相关特征明显，并具有周期性且衰减缓慢，具有明显的日内波动特征；3)沪深两市风险具有典型的时变、簇集特征，风险变化与政策影响因素相关密切：4)沪深两市均存在着信息影响非对称的现象，且都表现为杠杆效应；5)在考虑日内效应和杠杆效应因素下，沪深两市A、B股市场超额收益序列风险与收益的关系均表现为负相关。通过实证分析，我们认为在股市仍存在十分浓厚的投机气氛的情况下，政府应当完善信息披露机制；避免行政政策干预，使证券市场市场化，法制化，规范化，增强股市自身调节功能：加强金融创新，增强风险规避机制；提高投资者素质，完善投资者结构。这样才能使我国股市健康平稳的发展。