作为金融理论研究的核心之一,波动率曾一度被学者们作为现代金融理论研究中对投资的风险度量。对波动率的准确预测也一直是现代金融学研究的热点。过去波动率模型一般都是使用低频数据进行预测,但是不可避免的损失大量信息。而随着计算机技术的发展和学者们对高频数据建模的探索,利用高频数据建模,可以计算出已实现波动率、已实现双幂次变差等“已实现估计量”。通过“已实现估计量”进行时间序列分析并建模,可以克服低频数据建模的上述缺点。本文通过对已实现波动率的分离,进一步区分出连续性波动和跳跃性波动,并选用HAR-CV-CJ模型进行建模分析。考虑到HAR-CV-CJ模型没有把宏观因素摄入,而实际中,宏观经济与股市波动存在着密切的相关性。所以,选择宏观经济变量中的工业增加值、进出口商品总额、居民消费者价格总指数、利率、汇率加入原模型。在此之前,为了消除多重共线性,对这五个宏观经济变量进行主成分分析,提取出两种主成分：投资积极成分和投资消极成分。通过对原模型和引入宏观经济变量后的模型的建模进行对比,发现：新模型的拟合能力更好,取对数处理后的数据建模效果最好。宏观经济变量对已实现波动的影响弱于连续性波动,其中,投资积极成分比投资消极成分对波动的影响更显著。