对金融市场风险的测量一直是金融理论界和实业界都非常关心的课题,如果能够对市场风险进行预测,便能够从中获得可观的收益,于是,对市场价格的预测便显得非常重要。本文在总结近几年来国内外对高低频时间序列研究的基础上,以我国中小板、创业板1分钟、5分钟、15分钟、30分钟、60分钟和每日的股票指数数据为研究基础,从对数收益率及其波动率的角度出发,在运用金融时序分析的基础上进一步改进模型,通过建立更具有实际应用意义的HAR-WRV-GARCH-VaR模型,重点对中国金融市场的中小板、创业板的高频时序数据进行实证分析,并得出相关结论。本文主要从以下几个方面进行研究：首先,对我国中小板和创业板两市的高频时间序列进行初步统计分析,发现我国中小板、创业板的高频时间序列具有许多与低频时间序列不同的特征,因此原有可以在低频时间序列研究运用的模型和研究方法并不能完全运用于对高频时间序列的研究。其次,针对我国中小板、创业板市场指数进行了ARIMA(1,1,1,)模型的建立及求解,并对模型该模型的效果进行分析,发现该模型的效果不佳。继而,通过引入了长记忆性这一概念,逐步对上述模型进行深层次改进,提出了HAR-WRV-GARCH模型。紧接着以创业板为例,对我国创业板市场股票波动率进行了实证研究,并建立了HAR-WRV-GARCH(1,1)模型,然后对该模型进行了求解。最后在总结前面模型的基础上,建立HAR-WRV-GARCH-VaR模型,并以创业板市场为例,得出了创业板每日VaR值的计算公式,使得本文提出的模型具有了实际应用的价值及意义。