近年来，高频数据的应用越来越广泛，本文基于研究现状，通过实证分析考察了经典的GARCH模型，确定该模型适用于金融时间序列的研究。另外本文介绍了Realized GARCH模型，同时将其推广到厚尾分布的情形，分别令残差服从t分布和Skewed-t分布。在针对度量尾部风险效果进行比较的过程中，本文根据VaR效果对模型稳健性进行了分析。接下来本文将广义已实现测度引入基于Skewed-t分布下的Realized GARCH模型中，用于波动率估计与VaR预测，并应用MCS检验方法、无条件覆盖检验、条件覆盖检验、独立性检验和损失函数，综合比较了Realized GARCH模型采用不同已实现测度的VaR预测效果。此外本文还构建了基于广义已实现测度的Realized GARCH Copula，将边缘分布函数定为基于广义已实现测度的Realized GARCH，通过二元Copula函数对各金融时间序列间的结构进行了刻画。
　　深证综指与恒生指数的高频数据进行实证分析后本文发现，与经典的GARCH、基于t与正态分布下的Realized GARCH相比，在风险度量方面基于Skewed-t分布下的Realized GARCH具有明显的优势；本文在基于Skewed-t分布下的Realized GARCH模型中引入了广义的已实现测度替代传统的已实现波动测度，从而提高了对未来市场VaR的预测能力，其中RVaR已实现测度在预测能力方面效果最好；t-Copula函数在二元Coupla函数中预测能力最强；在测度相关性方面，基于RVaR已实现测度和t-Copula函数的基于广义已实现测度的Realized GARCH Copula也具有一定的稳健性。除此之外，本文还发现恒生指数与深证综指具有明显的相关性，这在某种意义上意味着深圳金融市场和香港金融市场之间存在着相关性。