随着中国社会经济持续繁荣发展,一些具有较强资本能力的企业与个人不断参与金融资本活动,金融市场上交易量随之逐年递增,伴随其中的金融市场波动情况自然成为人们较为关注的热点领域。而基于波动率模型分析金融资产的波动性,可以为市场上的投资者们在投资时提供参考,在一定程度上降低投资的风险。因此,研究的核心问题就集中到如何选择合适的模型来拟合金融市场的波动率,对风险进行有效的预测。为了分析股市高频数据的波动变化规律及其风险值预测,本文基于已实现波动率和改进后的已实现波动率,借助Realized GARCH模型,对高频数据波动率展开相关预测研究。本文首先围绕着文中使用的Realized GARCH模型进行了详细的介绍,并且还介绍了构造的改进后的已实现波动率RMV;同时还引入了六种不同类型的误差项分布,包括正态分布、t分布、GED分布、偏正态分布、偏t分布和偏GED分布;最后,本文给出基于Realized GARCH模型的预测及风险度量的评价标准。在对相关模型方法进行完备介绍的基础之上,本文对高频数据波动率进行建模分析。本文第三章和第四章中实证分析部分的样本数据均来源于Join Quant聚宽量化交易平台。第三章中实证部分基于沪深300指数的5分钟高频数据,采集区间为2014年1月3日至2020年12月30日;同时在六类不同的误差项分布下进行建模和后续的预测研究。从分析中,可以发现到收益率序列分布与正态分布并不相同;进行模型拟合时,发现基于六种不同分布获得的结果,Realized GARCH模型在各个分布下的估计结果都较为接近,拟合具有一定的稳健性;由于收益率序列并不符合正态分布的假设,基于六种分布假设,对Realized GARCH模型在基于RV和改进后的RMV两种情况下进行的拟合研究结果表明:基于RV下的模型估计参数在六种分布下的标准误差几乎都大于基于RMV下的模型参数在六种分布下的估计标准误差,基于RMV的参数估计误差普遍较小,且不论是RV还是RMV下的结果,三种偏态分布尤其是偏GED下的估计误差更小。改进后的已实现波动率相比之前的已实现波动率在残差上要有所降低,估计精度稍稍提高,并且在风险价值VaR的预测效果上表现更好。第四章中本文在Realized GARCH模型的基础上结合HAR-RV模型,构造了Realized HAR GARCH模型,在其基础上基于不同的已实现波动率进行分析。数据选取2019年1月3日至2020年12月30日共434个交易日的原油期货的5分钟高频数据。通过对原油期货5分钟高频数据进行实证研究,可以发现基于改进后的已实现波动率的模型拟合效果较好;又通过对VaR风险度量进行失败率检验,发现基于改进后的已实现波动率的模型VaR风险度量效果更好,预测结果对市场上的交易者有一定指导性作用。