鉴于波动率的不可观测性,波动率的研究在金融市场研究中占据举足轻重的地位。理论研究方面,金融资产的风险度量、定价以及衍生品的定价都涉及到对于波动率的把控;投资实践方面,金融市场的波动率的变化也是金融投资者最为关注的问题,因此对于波动率的度量和预测显得至关重要。近几年来,高频数据的获取和存储方式由于计算机技术的高速发展变得尤为便捷。基于高频数据对已实现波动率的研究逐渐受到国内外众多学者们的关注,这将成为波动率研究的一个重要的视角。本文基于异质市场假说以及混合分布假说,将分类信息引入异质自回归(HAR-RV)模型中,对已实现波动率进行建模,以分析分类信息对我国股市已实现波动率的影响以及探求具有稳健预测能力的波动率模型。本文运用实证分析的研究方法,选取上证综合指数2012年1月4日到2018年11月30日的日内高频数据作为研究对象。首先,本文计算出已实现波动率,同时对其进行调整,并分析我国股市已实现波动率的特征。其次,根据异质市场假说理论为基础构建HAR-RV模型,检验到模型的残差项序列存在异方差性,从而构建HAR-RV-GARCH模型;然后,本文基于混合分布假说理论及其扩展理论,以成交量作为信息流的代理变量,按照冲击强度将去除了序列相关的信息交易量分解为进入市场的四种信息流,分别为―强的正信息流‖、―弱的正信息流‖、―强的负信息流‖、―弱的负信息流‖,作为分类信息的代理变量加入到HAR-RV-GARCH模型中,以考察引入分类信息对于我国股市已实现波动率的影响。最后,本文运用滚动时间窗口预测法进行样本外预测,并基于损失函数法以及Mincer-Zarnowitz回归法对HAR-RV模型、HAR-RV-GARCH模型以及引入分类信息的HAR-RV-GARCH-V模型的预测能力进行评价,探求出具备稳健预测能力的波动率模型。实证结论表明,第一,我国股票市场已实现波动率具备尖峰厚尾性、长期记忆性以及右偏性的特征。第二,我国股票市场存在投资者异质性的特征,其中,短期投资者、中期投资者、长期投资者的交易行为对我国市场波动率的影响程度依次减弱。第三,引入分类信息到已实现波动率模型中,按照冲击强度区分的―强的正信息流‖和―强的负信息流‖对于波动率的影响是显著的,―强的正信息流‖负相关于已实现波动率,―强的负信息流‖正相关于已实现波动率,正负信息流对于已实现波动率的影响呈现出非对称性。第四,基于损失函数法以及Mincer-Zarnowitz回归法,本文研究得到引入分类信息后的HAR-RV-GARCH-V模型对于我国股市已实现波动率的预测能力最优。