对金融资产的波动的准确度量,是金融资产的定价、投资组合的选择以及金融风险管理的关键。因此,波动率研究一直是计量经济领域的研究热点。计算机技术的发展,能够保存更多交易资料。记录每笔交易的数据信息超高频数据,就是我们所说的超高频时间序列(UHF)。它包含了更多的市场信息,在研究市场微观结构和风险管理方面具有很大的优势。UHF数据中每笔交易发生的时间是随机的,它们之间的时间间隔并不相等。以往在低频领域应用比较广泛的ARCH类SV类模型,建模对象都是频率固定的时间间隔,很可能忽略了信息对价格的影响。因此,探讨了Engle(2000)年提出的UHF-GARCH模型,研究了不规则时间间隔下收益率的波动性度量。本文在实证中,对中信银行日数据和超高频数据的统计特征、平稳性、相关性等进行了分析,在此基础上分别对其建立GARCH(1,1)和ACD、UHF-GARCH(1,1)模型。结果显示基于超高频数据的UHF-GARCH(1,1)模型MAE和RMSE均较小,因此预测能力更优。从对UHF-GARCH第二个方程估计结果来看,收益率方程中1/xi的系数为负,但Z统计量表明并不显著。这说明对中信银行来说,长的持续期并不意味着坏消息。波动率方程中交易时间间隔xi的系数为正,也就是说长的持续期表明市场上没有新的消息,波动率将会下降。