波动率是金融资产中的一个重要市场变量,它能够衡量投资回报率的不确定性。因此对波动率进行建模研究其变化趋势和风险度量,对投资者有着十分重要的现实意义。2020年全球爆发新冠肺炎疫情,在疫情期间股市不仅未出现大幅度下跌,反而呈现波动上升的趋势,深证成指在2020年2月下旬达到高点。这种股市波动使得对金融资产波动率的研究尤为重要。本文基于条件自回归已实现波动率（RGARCH-CARR）模型进行拓展,以Realized GARCH模型为比较基准。将模型的残差分布由正态分布拓展至能够容纳金融时间序列尖峰厚尾特性的t分布、偏t分布和双边威布尔分布。还将广义已实现测度引入到模型中,与传统已实现测度RV做对比。通过一步外推预测法对模型进行滚动预测,计算各个模型的损失函数、DM统计量、风险价值Va R以及代表极端尾部风险的ES,使用非条件覆盖检验、独立性检验和条件覆盖检验三种后验测试方法对模型预测效果进行检验。基于深证成指5分钟高频数据的实证结果表明,模型结构较为简单的RGARCH-CARR模型在各方面都优于Realized GARCH模型。相比于正态分布和t分布,将残差分布拓展至偏t分布与双边威布尔分布后的模型拟合效果较好,且在模型预测效果方面,双边威布尔分布表现最好。将广义已实现测度加入到两种模型中,提高了各模型的拟合能力;RVa R的加入使得Realized GARCH模型风险度量效果得到显著提高,优于将其加入RGARCH-CARR模型之中;残差分布拓展后的RGARCH-CARR模型不仅提高了模型的拟合能力,还提高了Va R和ES估计的准确性;且在较高的覆盖水平下,拓展后的模型能够较好地刻画分布的尾部形态以及更加准确地预测金融时间序列的极端风险。