ETF自从推出以来就一直受到人们的关注和重视，ETF产品对资本市场的结构完善，市场风险的分散，市场资源配置的优化等方面正发挥着越来越重要的作用，上证50ETF作为ETF市场中的主要一员，其不仅在规模以及成交量上排在市场前列，而且基于上证50ETF基金的衍生产品也同样丰富，因此揭开上证50ETF的波动率变化规律并实现波动率的多步预测具有重要意义。随着计算机技术的发展，高频数据下波动率的理论研究一直是学者们的关注热点，但在研究过程中同样也有着不少的困惑，总结来讲，主要面临着四个方面的问题：首先，怎样利用经典的GARCH模型来对高频数据进行建模呢？其次，在现有的已实现波动率的度量方式中，如已实现波动率(RV)、已实现核(RK)和已实现双幂次变差(BPV)，哪种度量方式最适合我国ETF市场研究呢？再次，不同的残差分布假定下，是否基于厚尾分布(t分布和GED分布)的模型更适合描述市场的客观情况？最后，我国基金市场是否存在跳跃现象，若有跳跃，通过建立跳跃模型是否能够提高波动率的估计效果呢？本文对上证50ETF波动率进行研究不仅能揭开上证50ETF的波动规律，解决市场实际问题。同时也能回答以上波动率理论研究中所面临的几点困惑，兼具实际和理论意义。
　　本文构建了RealizedGARCH模型，并以此模型为基础进行了三方面的拓展，首先，在已实现测度上，本文分别将已实现波动率(RV)、已实现核(RK)和已实现双幂次变差(BPV)运用于了RealizedGARCH模型中，研究发现已实现核(RK)和已实现双幂次变差(BPV)相对已实现波动率(RV)在模型的表现效果上更优越。具体地，已实现双幂次变差(BPV)能明显提升RealizedGARCH模型的拟合效果和预测效果，已实现核(RK)能对RealizedGARCH模型的预测效果有所提升；其次，本文利用已实现波动率(RV)和已实现双幂次变差(BPV)之差构建跳跃因子，对RealizedGARCH模型进行了拓展，实证检验，通过加入跳跃因子的RealizedJumpGARCH模型能够提升模型的拟合效果与预测效果，但是提升效果有限；最后，本文分别从正态分布、t分布和GED分布的假设条件下进行了模型的对比效果分析，研究发现基于厚尾分布(t分布和GED分布)下的建模效果明显得到了提升。具体地，基于t分布能明显提升模型的拟合与预测能力，基于GED分布下的模型能明显提升模型的拟合能力。最终发现基于t分布和已实现双幂次变差(BPV)的RealizedJumpGARCH的综合效果最优。
　　本文通过研究上证50ETF波动率发现，上证50ETF高频数据具有明显的尖峰厚尾以及长记忆特性，且具有跳跃现象，但是跳跃天数占比不高，因此有理由认为，基金市场相对其他资本市场更稳定，适合投资者的长期投资。