随着计算机技术的发展和通讯技术的革新,金融高频数据的获取与操作变得可行和简单。由于高频数据包含了丰富的市场信息,及时从这大量数据中提取有效信息变得越来越重要。本文主要从周期性和长记忆性两方面来分析我国股市高频数据。首先,利用传统方法对我国股市高频数据进行初步的统计分析,得出我国股市高频收益率序列并不是正态分布,而是呈现出高峰厚尾性,且有着显著的“日历效应”。其次,介绍了“已实现”波动率及其扩展形式,分析得出,由于赋权“已实现”波动率充分考虑了“日历效应”,所以,赋权“已实现”波动率比“已实现”波动率和调整“已实现”波动率更有效。同时,在综合考虑测量误差和微观结构误差这两种误差的基础上得出“已实现”波动率和赋权“已实现”波动率的最优抽样频率为5min。最后,利用R/S分析法和修正的R/S分析法分别进行计算,其结果均表明赋权“已实现”波动率具有长记忆性。于是,在长记忆HAR-RV模型的基础上,本文提出了HAR-WRV模型,并以2011年度上证综指采集频率为5min的赋权“已实现”波动率和“已实现”波动率为例,通过实证分析得出,这两个模型均能很好地对波动率进行拟合和预测,且HAR-WRV模型的拟合和预测效果均优于HAR-RV模型。