波动率作为金融资产风险水平的度量,在很多金融问题中是一个极其重要的变量,因此精确地度量和预测波动率具有重要的意义。高频数据的易得性使得对波动率进行建模和预测的研究重点和热点从传统的GARCH族模型转移到已实现波动率系列模型,基于已实现方差的异质性自回归模型(HAR-RV模型)因其良好的模型表现被广泛研究、应用。二次变差理论表明只有在取样频率趋于零的情况下已实现方差才是不可直接观测的波动率的一致估计,在实际研究中能得到的数据都是有限样本,故必然受到测量误差的影响,而以往研究都一概假设测量误差异方差性不存在进而展开分析。本文选用沪深300高频5分钟采样频率数据,深入、细致地研究了测量误差对中国股票市场波动率的影响,实证数据表明我国股市在2007至2008年和2014至2015年这两个时间段内保持着较高的波动状态,测量误差的分布情况也和波动情况基本保持一致。将测量误差的时变结构引入到基准HAR-RV模型中形成HARQ模型,不仅能提升模型样本内估计精度,而且能提高模型向前一日、一周以及一月的样本外预测能力。中国股市数据呈现出的特征以及实证结果表明不能简单地按照经典设定只在日滞后项加入测量误差时变结构,需要在较长期限的滞后项上也加入测量误差成分,本文创新性地通过在日滞后项处加入自回归系数调整项形成HARQ-A模型,使得数据处理较为方便并且保持了模型形式的简洁,实证结果表明,相对于基准模型(HAR-RV模型、HARQ模型),HARQ-A模型样本内拟合、样本外预测能力都有提升,故本文提出的模型提高了中国股票市场波动率预测的精度。