许多研究表明,金融资产收益率的波动率具有很强的持续性,而且越来越多的研究发现,这种持续性具有时变特征,即持续性系数是随着时间变化而变化的。股票市场是国民经济的“晴雨表”,宏观经济因素会对股市的波动产生影响,因此,考虑宏观经济因素对股市波动率持续性的影响将更有助于捕获波动率持续性的时变特征,进而能够更好的改善波动率的估计以及预测效果,这对于避免股市发生剧烈波动具有重要意义。在对股市波动率建模方面,运用最广泛的是广义自回归条件异方差（GARCH）模型,但是GARCH模型未能充分考虑波动率的非对称性,而且仅仅只是对日度的收益率数据进行建模,收益率数据仅仅利用了收盘价信息,忽略了日内价格的变动。基于此,有的学者使用高频数据构建了已实现EGARCH（REGARCH）模型,取得了较好的效果,但是,REGARCH模型仍然没有考虑波动率持续性的时变特征。故本文在REGARCH模型的基础上,采用混频数据抽样（MIDAS）方法将GARCH系数与宏观经济变量、已实现波动率联系起来,构建了具有时变波动率持续性的REGARCH（TVP-REGARCH-MIDAS）模型,该模型无需严格意义上的时变参数即可生成时变波动率持续性（TVP）。值得一提的是,由于宏观经济变量既有日度数据又有月度数据,本文构建的TVP-REGARCH-MIDAS模型能够适用于这两种不同频率的数据。本文实证分析选取了2007年1月4日至2020年12月31日的上证综指和深证成指收益率数据、已实现波动率,宏观经济变量选取了上海银行间7天同业拆借利率、美元/人民币汇率、消费者价格指数、宏观经济景气指数、货币供应量和中国的经济政策不确定性指数,并将TVP-REGARCH-MIDAS模型下的样本内数据拟合和样本外波动率预测表现与GARCH模型、EGARCH模型、REGARCH模型、TVP-GARCH-MIDAS模型进行比较。实证结果表明:（1）宏观经济变量对股市波动率持续性有显著影响,并且七种TVP-REGARCH-MIDAS模型的样本内数据拟合表现都要优于GARCH模型、EGARCH模型、REGARCH模型、TVP-GARCH-MIDAS模型,其中基于货币供应量的TVP-REGARCH-MIDAS模型拟合效果最好。（2）样本外波动率预测结果表明,TVP-REGARCH-MIDAS模型的样本外预测效果要优于其他四种模型,此外,从四种损失函数、DM检验以及MCS检验还可以看到,基于货币供应量的TVP-REGARCH-MIDAS模型具有最优的预测能力,并且稳健性分析也支持了这一结论。综上所述,将波动率持续性进行时变的TVP-REGARCH-MIDAS模型能够显著改善样本内数据拟合和样本外预测效果,并且基于货币供应量的TVP-REGARCH-MIDAS模型表现最优。