随着计算机技术的不断发展，金融市场交易数据尤其是日内高频交易数据的存储和运用能力日益提升，越来越多的日内高频交易信息应用于研究和实务之中。日内高频交易包含了更丰富的市场信息，相较于日数据等低频数据而言，其更能够反映金融资产的市场波动情况。同时，波动率的分析是资产定价、投资组合及风险管理等其他重要相关研究的基础。如何利用高频数据所带来的重要信息对金融资产的波动率进行准确建模成为近年来广泛讨论的议题。已实现波动率研究方法是近年来对股票市场波动率进行建模和研究的代表性方法，该方法一方面充分利用了高频价格信息，因而较GARCH、SV等传统模型具有更能充分反映日内波动情况；另一方面其在计算上也克服了传统模型计算量大、难以准确估计等问题。因此，RV方法一经提出，便引起了国内外学者的广泛关注。

在此背景下，本书从高频数据视角，对我国股票市场已实现波动率展开了详细研究。基于现有研究对我国股票市场已实现波动率建模仍然存在不足的现状，本研究首先通过充分挖掘我国股票市场的“跳跃”“非对称”波动等信息构建传统类的HAR模型，并与已有的经典类HAR、HARC、SHAR、HARJ等模型进行对比分析，然后将各个模型中参数估计的时变特征纳入研究范围，运用近年新颖的RV建模方法将“跳跃”“非对称”波动所构建和所对比的已有的传统类HAR族模型升级为时变参数的HARQ族模型。最后，利用HARQ方法结合极值理论构建了HARQ-EVT-VaR预测模型，在此基础上对我国股票市场的动态VaR进行预测，并利用稳健的检验方法对预测结果进行了后验分析。本书的实证内容有以下五部分：

第一，利用我国股票市场“跳跃”“非对称”波动等日内交易信息构建HAR类模型并与已有的经典模型进行比较分析。以已实现半方差理论、二次幂等相关理论为基础，对我国股票市场波动特征相关信息进行挖掘，进而构建对跳跃成分进行检验后再进行建模分析的HAR-AJ模型、根据半方差理论对跳跃成分进行分解并据此建立的HAR-SJ模型、包含了跳跃符号和跳跃成分的HAR-CSJ模型。本书对比分析的已有经典模型有：基础的HAR模型、跳跃成分的HAR-J模型、连续成分的HAR-C模型、对RV分解为正的和负的两个部分并据此进行建模的HAR-S模型，以及对日、周和月RV进行全部分解并据此建立的HAR-SA模型。因此，本书所构建和所对比分析过程中一共考虑了HAR、HAR-J、HAR-C、HAR-S、HAR-SA、HAR-AJ、HAR-SJ、HAR-CSJ共计8个传统类HAR模型。

第二，构建具有时变参数特征的HARQ族模型。构建具有时变特征的HARQ族模型是本书的重要创新内容。时变特征的HARQ模型是对传统类HAR模型的升级，对传统类模型升级后的模型统称为HARQ族模型。对应于本书所对比分析的已有经典类模型和经过充分挖掘我国股票市场“跳跃”“非对称”波动所构建的HAR模型，即对HAR、HAR-J、HAR-C、HAR-S、HAR-SA、HAR-AJ、HAR-SJ、HAR-CSJ共计8种模型进行升级为对应的HARQ、H-SQ、H-SAQ、H-CQ、H-JQ、H-AJQ、H-SJQ和H-CSJQ模型，即对每一个模型的具体系数进行时变估计，以便改善传统模型对我国股票市场RV的拟合效果。

第三，基于前文中对沪深300指数和恒生指数波动率的研究基础，进一步利用HARQ模型并结合极值理论（EVT）构建了HARQ-EVT-VaR模型。根据HARQ模型的研究结果对日VaR进行了实证研究，并利用具有稳健的后验分析方法对各模型的动态风险预测效果进行了计量分析。这是对已实现波动率研究结论的重要的具体应用研究，是本书的创新内容和核心内容。(www.daowen.com)

第四，基于高频波动率模型及Copula理论详细探讨了沪港通实施背景下两市之间的相互关系。利用前面已建的高频波动率模型，在此基础上利用N-Copula和t-Copula模型对沪港股市2013年1月至2016年12月间的动态相关关系进行分析，同时以2014年11月17日实施的“沪港通”为标志，将样本分为前后各两年两个分样本进行实证研究。结果表明：动态的t-Copula模型较N-Copula模型更能准确刻画沪港股市之间的相关关系。HAR及HAR-J模型较CHAR及SHAR模型对沪港股市间的相关关系具有更佳的拟合效果。“沪港通”实施之后两市之间的相关关系提升幅度达到12％以上，且港市对沪市的影响逐渐增强。

第五，实证分析了德国股市的已实现波动率（RV）的预测。主要探讨德国股票市场隐含波动率指数和原油市场隐含波动指数，是否含有预测已实现波动率的有用信息。采用了标准的预测回归框架、主成分分析、几种模型组合方法以及两种常用的模型收缩方法（即弹性网法和拉索法），用于评估隐含波动率指数的性能。样本内估计结果表明，几乎所有隐含波动率指数都考虑了德国DAX指数的RV具有显著的预测能力。实证结果表明，无论是基于模型置信度（Model Confidence Set，MCS）检验，还是样本外的R2检验，两种收缩模型展示了最好的样本外预测。基于替代波动率估计、替代估计窗口、替代预测评价的实证结果进一步证实了研究的主要结论的稳健性。

以上5点内容既是本书的实证内容，又是本书的主要创新点。五部分实证研究均运用了相应的稳健性实证分析方法，所得出的研究结论具有稳健性和普适性。