股票市场的波动率以及相关特征的研究，是国内外金融学者和业界金融从业者研究金融风险度量、金融资产定价、金融衍生品定价等金融实务问题的基础。定量分析这些实务问题，其前提是对资产波动率进行准确的度量和预测。因此，资产波动率的度量和预测一直是金融学者关注和研究的热点。近年来，随着通讯技术及计算机的使用和普及，在很大程度上降低了金融交易数据的记录和存储成本，从而使得金融高频交易数据日益成为研究金融资产波动率的重要手段。Anderson和Bollerslev（1998）运用日内高频数据计算的已实现波动率，相比传统的资产波动率度量模型，对股票市场波动率的度量精度更高。因此，本文从已实现波动率的角度，通过构建新的已实现波动率模型来研究中国股票市场的波动率。本文首先介绍已实现波动率的基本理论，以及分析中国股票市场已实现波动率的特征。然后，考虑隔夜收益方差，对现有的HAR-RV和HAR-CJ模型进行改进，构建新的HAR-ARV和HAR-CJ模型；并在新的HAR-CJ模型的基础上，加入投资者的行为偏差因素（动量效应），构建了HAR-CJ-M模型。接着，以中国股票市场沪深300指数的5分钟高频数据为研究样本，对HAR-ARV模型、HAR-CJ模型和HAR-CJ-M模型进行参数估计，再使用这三个模型的其他两种常用的表达形式、选择不同的样本长度和选择不同的参考价格（HAR-CJ-M模型的研究）对三个模型的参数估计结果进行稳健性检验。最后，运用损失函数法比较这三个模型对中国股票市场未来调整已实现波动率的预测能力。研究结果表明：中国股票市场已实现波动率存在明显的尖峰厚尾性、右偏性、跳跃性和长记忆性特征；HAR-RV模型、HAR-CJ模型和HAR-CJ-M模型的构建具有较强的理论支撑，且它们适用于中国股票市场的已实现波动率的研究。其中，HAR-ARV模型的估计结果证实了中国股票投资者异质性的存在，与Müller等（1993）提出的“异质市场假说”理论相吻合。HAR-CJ模型和HAR-CJ-M模型的估计结果可以看出中国股票市场中历史的连续样本路径方差成分对未来波动率有一定的预测作用，而历史的离散跳跃方差成分的预测能力很弱，同时从HAR-CJ-M模型的估计结果中，发现不同期限（日、周和月）的动量效应因素（资本利得突出量）的系数大多都显著，说明中国股票市场中各类投资者的这一非理性行为对未来的波动率有一定的预测作用。另外，本文的研究还表明：HAR-RV模型、HAR-CJ模型和HAR-CJ-M模型对中国股票市场波动率有不错的预测能力，而加入动量效应因素的HAR-CJ-M模型预测中国股票市场波动率的能力明显强于其它两个模型，它更有利于金融风险度量、金融资产定价和金融衍生品定价等中国金融实务问题的研究。