波动率是制定金融衍生产品价格、资产分配、风险管理和量化交易战略的重要基础,是金融研究的热点。随着信息技术的快速发展,取得能够反映市场上更多信息的高频率日内波动率研究数据变得容易,促进了对高频率领域的波动率研究的发展;另一方面,为了形成和发展高频率交易,制定交易战略,管理交易风险,优化交易过程,均需要高频率数据下已实现波动率。本文首先引入非对称因子检验沪深300指数高频数据日内波动率和收益率的非对称性。其次运用预平均和已实现核方法对日内积分波动率进行估计,运用GARCH类模型对日内高频已实现波动率序列特征进行刻画,提出GARCH-已实现波动率的估计模型,对日内波动率进行预测。进一步,本文使用沪深300指数和沪深300指数中流动性较大的成分股进行实证研究以验证本文提出方法是否有效。本文主要的研究内容可概括如下:首先,本文对已有波动率研究过程进行回顾,对GARCH模型理论以及已实现波动率估计模型的发展进行梳理,结合降低微观结构噪声的方法以及我国股市存在非对称性的特点,构建已实现波动率的非对称模型,揭示已实现波动率的计量特征。其次,本文以沪深300指数以及31只个股的日内价格数据和低频的日收益率作为研究对象,基于这些样本数据的描述统计,运用GARCH模型验证样本日收益率具有波动率聚集以及对市场信息冲击具有非对称性的特征。进一步对已实现波动率与正负收益率序列进行回归分析,引入非对称因子对已实现波动率与日收益率之间的非对称性进行显著性检验。最后,基于已实现波动率序列的聚集效应和异方差性,本文结合GARCH模型和已实现波动率模型提出GARCH-已实现波动率模型,运用滚动预测的方法对高频数据的已实现波动率进行预测研究。进一步,运用沪深300指数和31个成分股对上述提出的预测模型进行实证研究。本文的主要结论有:（1）证实收益率与已实现波动率之间存在非对称效应,且滞后一天的收益率与已实现波动率之间的负相关性较强;（2）本文将GARCH模型与高频日内已实现波动率模型结合,提出GARCH-RK、ARMA-RK、GARCHMRC和GARCH-RV四种组合模型对高频金融数据的已实现波动率进行预测研究,运用沪深300指数的已实现波动率序列对上述模型进行实证分析,结果显示GARCH-RK模型具有较高的样本内预测精度;（3）本文的研究对高频交易投资者基于日内夏普比率制定量化交易策略和风险管理提供理论支持和政策建议。