波动率在资产和衍生品定价,最优投资组合选择以及持有各种金融工具相关的风险中起着不可或缺的作用。因此,学者们不断地致力于寻找合适的模型对波动率进行刻画和预测。随着金融科技的快速发展,高频数据的获取和保存变得更加便捷。传统的GARCH类模型、SV类模型无法满足高频数据研究的需要。在此背景下,已实现波动率由于计算简单、无需参数估计等优点受到学者们的青睐。本文在异质市场假说的基础上,构建异质自回归已实现波动率(HAR-RV)模型进行波动率的研究。考虑到非交易时段信息对波动率的影响,将隔夜收益率引入对原模型进行改进,得到HAR-ARV模型。由于该模型的残差通常具有异方差性,我们将GARCH模型和EGARCH模型引入,将模型扩展为HAR-ARV-GARCH模型和HAR-ARV-EGARCH 模型。本文选取了从2016年3月24日到2019年3月29日的上证50ETF每5分钟高频数据作为研究对象。根据调整的已实现波动率序列,构建HAR-ARV模型、HAR-ARV-GARCH模型和HAR-ARV-EGARCH模型。对这三个模型的参数进行估计,然后利用损失函数对预测结果进行比较分析。结果表明,HAR-ARV模型、HAR-ARV-GARCH模型和HAR-ARV-EGARCH模型均有不错的预测效果。经过比较,HAR-ARV-GARCH模型预测效果强于其他两个模型,它能够更好地对上证50ETF波动率进行度量和预测。最后,我们在HAR-ARV-GARCH模型的基础上进行进一步的分析,证明了我国基金市场上投资者存在异质性。