世界经济日益快速发展,金融成品的价格和收益在金融市场上的波动愈来愈大。为避免这些波动带来的风险,大量金融学者和投资者对金融市场的波动性进行分析和研究。因为金融市场是复杂而不可预知的,人们很难知晓它变化的规律,因而分析金融波动的特征有利于掌握金融市场的实质及内在原理。对金融市场波动特征进行分析,应将金融时间序列的特征分析置于首位。金融时间序列的特征因金融市场的不同而有所区别,而时间序列是不确定的序列,从而剖析其波动性对于推动研究金融市场的微观结构具有举足轻重的现实意义。本文主要是从高频数据的研究视角,对沪深300股指期货的波动率进行分析和实证研究。首先,验证了我国沪深300股指期货高频数据具有高频数据典型的统计特征,即高峰厚尾性、日历性、长记忆性和自相关性。然后,从描述性统计量、跳跃波动的刻画、长记忆性三个方面对已实现波动率,已实现极差波动率,已实现双幂次变差和已实现极差双幂次变差四种波动率进行了实证比较研究。结果表明,与其他波动率估计量相比,已实现极差双幂次变差效果更好。在此基础上,构造了基于已实现极差双幂次变差的异质自回归模型(HAR-RRBV),以及考虑跳跃的已实现极差双幂次变差的异质自回归模型(HAR-RRBV-J)。最后,在实证研究中针对样本内和样本外数据对各模型分别进行拟合程度、预测能力对比。对于多步静态预测样本外数据,运用平均绝对误差、平均绝对误差百分比、根均方误差和异方差调整均方误差四种方法比较损失函数值。同时结合直观的图形趋势,对比分析了各模型的预测效果,发现利用上述两大模型有利于更精准的预测沪深300股指期货波动。在1%的置信水平下,运用已实现极差双幂次变差对风险的预测更准确。