依据前文中所用的HAR族模型，所构建的8种对应的时变参数模型分别为：

（1）Corsi（2009）所提出的基础HAR模型，扩展为HARQ模型：

其中，时变参数为：

（2）Patton和Sheppard（2015）提出的半方差HAR模型（Semivariance-HAR，HAR-S）扩展为H-SQ模型：

其中，时变参数为：

（3）在Patton和Sheppard（2015）的基础上，同时对周和月平均累积RV

进行分解后的HAR-SA模型，扩展为H-SAQ模型：

其中，时变参数为：

（4）根据Andersen等（2007）提出的连续成分所扩展的RV预测模型（HAR-C），扩展为H-CQ模型：

其中，时变参数为：

（5）根据Andersen等（2007）提出的跳跃成分所扩展的RV预测模型（HAR-J），扩展为H-JQ模型：(www.daowen.com)

其中，时变参数为：

以下3种模型是本书所构建的传统类HAR族模型的升级模型。

（6）本书根据唐勇（2015）所采用的ABD跳跃成分检验方法，构建了加入了检验后跳跃因子的HARAJ模型，扩展为H-AJQ模型：

其中，时变参数为：

（7）本书根据已实现半方差理论，对跳跃成分进行分解后所构建的HARSJ模型，扩展为H-SJQ模型：

其中，时变参数为：

（8）本书构建的包含了跳跃成分、跳跃符号的综合HARCSJ模型，扩展为H-CSJQ模型，模型为：

其中，时变参数为：

与前文中构建传统类HAR族模型不同的是，该节中并不是完全照搬前文之中的HAR模型，然后再增加日RV的时变参数进行估计，而是对前文中某些不显著的指标进行了剔除，如模型H-CSJQ中所包含的跳跃因子不再考虑周跳跃和月跳跃等。同时，为了便于计算时变参数，对式（4-11）至式（4-14）中的连续成分直接替换成了对应的RV。

前文中已经对比了HARQ模型与传统类HAR族模型的拟合效果，HARQ打败了除HARCSJ之外的7个传统类HAR模型，那么升级后的其他HARQ族模型能够打败HARQ模型，成为更能精确预测我国股票市场已实现波动率的模型吗？下文将根据所构建的8种不同的HARQ族模型对此展开实证分析。