波动率作为金融资产的一项重要属性，常用来衡量资产的风险水平，在金融衍生品定价、风险管理、投资组合构建等领域起着重要作用，因此不难理解波动率估计和预测为何成为金融研究的热点方向之一。进入二十一世纪以来，计算机存取技术和数据处理能力大大增强，高频交易数据获取难度减弱，又由于高频数据包含有更多的信息，基于高频数据的波动率估计及建模预测成为学术界和实务界关注的焦点。作为最早提出的一种已实现测度，已实现波动率由于其简洁和准确的特点，被学术界广泛使用。后来，有学者将已实现波动率按照日内收益率的正负进一步分解为两部分，即已实现正半方差和已实现负半方差，其中包含了关于跳跃的不对称性的重要信息。本文就是分别以沪深300指数和标普500指数为例，选取5分钟抽样频率的高频数据，在GARCH模型的框架下，引入正向的已实现半方差和负向的已实现半方差测度，分别建立波动率模型，并与传统GARCH族模型和原始的已实现GARCH模型在未来波动率预测精度上进行比较。在评价未来波动率预测精度时，本文采用了样本外滚动时间窗技术，选取了5种稳健的损失函数，并且运用了严谨稳健的模型可信度设定检验（Model Confidence Set，MCS）法，主要实证结论有：
　　（1）无论是以沪深300指数还是标普500指数作为研究对象进行向前一步预测，MCS检验结果都显示，在选取的5种稳健的损失函数下，绝大多数情况基于高频交易数据的波动率模型相对传统的GARCH族模型具有更高的波动率预测精度。向前五步预测的结果也是一致的，表明上述结论具有稳健性。
　　（2）无论是在中国市场还是美国市场，也无论是向前一步预测还是向前五步预测，在引入已实现半方差之后，波动率模型的样本内拟合情况和样本外预测效果都有所改进。相对于已实现正半方差来说，已实现负半方差对于未来波动率的影响可能更加重要，基于其建立的波动率模型在所有模型当中具有最高的波动率预测精度。