受国内外多方面因素的影响,近年来我国有色金属产业出现了市场低迷、产能过剩等问题。汇率变动、利率变动以及进出口政策等因素增长了有色金属价格的不确定性。作为重要的有色金属、六大有色金属期货品种之一,铝的产量、价格等都受到了重大影响。期货市场具有价格发现和规避风险的功能,因此沪铝期货的波动规律成为有色金属投资者以及监管者的研究焦点,波动率的建模与预测是揭示其波动规律与规避市场风险的有效途径。早期对金融波动率预测模型的研究通常是使用日数据或者更低频的数据,因此,本文首先建立了基于低频数据的GARCH(1,1)这一经典模型,因其具有形式简单以及预测效果较好的特点。通过实证表明:在样本内拟合中,残差服从t分布的GARCH(1,1)模型是最优的。近年来,日内高频交易数据可得性变高,为金融波动率的研究提供了新的手段。我国金融市场具有明显的异质性特征,故本文运用HAR族模型来研究异质性对金融市场波动的影响。本文通过实证发现沪铝期货波动率存在显著的不对称性以及高阶矩风险,因此将符号跳跃以及已实现高阶矩引入HAR族模型中,构建了高阶矩HAR族波动率模型,增强了HAR模型对市场的解释能力以及沪铝期货波动率的预测能力。实证表明:将连续和跳跃波动分解与正负符号跳跃变差结合,并加入已实现高阶矩的模型,即HAR-RV-CJ-D-SJV-SK模型的样本内拟合能力最强。为了进一步评估模型的优劣,本文对上述两类模型进行了样本外预测能力的评估。本文采用6种损失函数,通过基于滚动时间窗的MCS检验对各模型样本外预测能力的优劣进行评估。实证表明:HAR-RV-CJ-D-SJV-SK模型表现出尤为突出的样本外预测能力。