近年来,随着电子化交易在金融市场的广泛应用以及信息技术的迅猛发展,金融市场的波动性也日趋激烈。如何更精确地预测资产的收益风险引起了人们的高度重视。估计资产收益的波动率是预测收益风险的关键问题之一,而波动率的估计精度又与模型的假设及数据的采集频率密切相关。一般而言,模型的波动率估计值越精确以及所使用的数据频率越高,波动率的估计精度就越好。因此,以高频金融数据为研究对象,如何建立一个具有统计优良性的波动率模型是本文的主要研究目标。本文的主要研究内容及创新点如下:1.基于NGARCH模型刻画了波动率的杠杆效应特征,本文在已实现GARCH模型的波动率方程中引入参数的扰动,提出了已实现NGARCH模型。在新模型中,引入的参数与误差项序列成负相关关系,使得新息既在大小上对当前收益作出扰动,又在方向上对当前收益作出扰动。2.鉴于模型的参数估计精度直接影响风险预测的准确性,本文采用蒙特卡罗方法对提出的已实现NGARCH模型的参数估计的稳健性进行检验。随机模拟结果显示,在%5的显著性水平下,所有参数估计值的均方误差均显著。同时,当设定模拟次数为500次时,随着样本量的增大,所有参数的估计值依然显著。模拟结果表明,本文提出的已实现NGARCH模型的波动率估计方法有较好的稳健性。3.基于文中提出的已实现NGARCH模型对上证50指数和上证380指数5min频率的高频数据进行了实证分析,并对其风险预测结果进行了比率检验。其次,对已实现NGARCH模型和已实现GARCH模型的风险预测结果进行了比较,结果表明,已实现GARCH模型比已实现NGARCH模型高估了市场风险。本文提出的已实现NGARCH模型,为金融风险管理提供了新的方法,在一定程度上丰富了金融风险管理的理论。