股市的波动及相关特征是国内外学者研究金融衍生工具的定价、有效资产组合的选择及金融风险管理的关键变量，也是金融学领域的一个研究热点。近年来，随着计算机及通讯技术的快速发展，极大的降低了数据记录和存储的成本，从而使得金融高频数据日益成为研究金融资产价格波动及市场微观结构的重要手段。Anderson和Bollerslev（1998）首次提出基于高频数据计算的“已实现”波动率，相比金融资产的日收益率，它能够更为精确的度量股票市场的波动。Cors（i2004）基于Müller等（1993）的异质市场假说理论提出了基于已实现波动率的异质自回归模型（Heterogeneous Auto-regressive model of Realized Volatility, HAR-RV模型)，它不属于真实长记忆类模型，而是一种简单的已实现波动率的可加时间序列模型，分别用不同时间段的已实现波动率来刻画特定类型市场参与者的交易对整个波动率的边际贡献，因而不仅具有明确的经济含义，也能用更简单的普通最小二乘OLS估计方法来刻画出已实现波动率的长记忆性等动态特征。杠杆效应与量价关系是股票市场波动的两个主要特征，综合国内外对已实现波动率的研究现状，发现还没有文献在异质市场假说理论的基础上对已实现波动率的研究中同时考虑杠杆效应与量价关系。因此，本文旨在全面刻画股市波动特征和提高股市波动预测能力的同时，在HAR-RV模型的基础上，综合考虑波动的非对称性及量价关系，构建了LHAR-RV-V模型，并将其在中国股市进行实证分析，以进一步揭示中国股市波动的相关特征。实证结果表明该模型能够较好地捕捉我国股票市场波动的长记忆性和杠杆效应，且杠杆效应具有一定的持续性，从而进一步验证了Müller等（1993）提出的异质市场假说。此外，过去不同周期交易量的加入不仅能够更为细微的反映量价之间的关系，而且在一定程度上改善了模型的预测能力。