随着证券交易系统信息化程度的提高和各类计算机通信技术的发展,投资者在进行投资时实现了信息获取的及时化和证券交易的便捷化。同时这也丰富了学者们进行金融研究的视角,使得他们能够更方便地使用日内高频信息进行建模和分析。在波动率的研究中,GARCH模型和SV模型一直以来都是研究的热点,然而这些模型多使用日频数据进行建模,如此一来便失去了较多日内信息,也不能对日内波动进行分段分析和预测。为了实现对日内高频数据的使用,有学者提出了已实现波动率（Realized volatility,RV）。已实现波动率可以在利用日内信息的条件下无偏且稳健地实现对市场真实波动率的近似。跳跃是一种金融市场中的不连续性,在日内数据易获得之前都难以对其进行捕捉,早期的跳跃研究也多是关于模型的建立而非实际市场中跳跃的识别。在已实现波动率理论出现以后,学术界中出现了对于跳跃的检验方法,但这些方法多注重于日间检验,即检验某一交易日中是否存在跳跃并计算有跳日的跳跃成分,而并没有能够确定日内跳跃位点的跳跃检验方法,直到日内跳跃检验的出现。已实现波动率出现以后,基于其构建的波动率模型也相应产生,其中最被广泛使用和接受的模型是已实现波动率异质自回归模型（HAR-RV）。一些学者结合该模型和日间跳跃检验所计算出的跳跃成分构造了带有日间跳跃成分的已实现波动率模型,用以进行波动率预测。但是鲜有研究考虑和分析日内跳跃对于未来波动率的影响,也没有文献关注在单个交易日的层面内,交易日前期的波动和跳跃会对交易日后期的波动作何影响。而本文将对此进行创新性研究。本文以2011年-2020年沪深300指数5分钟高频数据为样本,首先通过检验日内跳跃计算出日内跳跃成分,并将研究维度分为跨交易日和交易日内部,用以检验日内跳跃能否提高波动率预测能力。在跨交易日维度下,基于HAR-RV模型及其变形,加入日内跳跃成分,利用滚动时间窗进行预测,并使用模型信度集方法（MCS）检验各模型的预测能力;在交易日日内维度下,构建新型的日内分时段波动率模型,并在此基础上构建带日内跳跃的日内分时段波动率模型,同样采用滚动时间窗进行预测,最后使用特殊统计量进行预测能力的比较。主要结论为:日内跳跃能检验出比日间跳跃数量更多的显著跳跃日;在跨交易日模型中,日内跳跃可以提高波动率的预测能力,但不同滞后期日内跳跃的影响方向可能不同;在交易日日内模型中,第一个半小时和第七个半小时的已实现波动率成分可以有效解释最后半小时的已实现波动率成分,但分解出日内跳跃成分后并不能提升对日内后期波动率的预测能力。