ARCH，GARCH等一大类模型或者SV类模型只适用于低频数据（日度，周度，月度，季度，年度等）的波动率建模和预测。后来发展起来的基于高频数据的已实现波动率（realized volatility，RV）或者与它类似的波动率测度（像什么已实现双幂次变差，已实现极差，已实现多幂次变差等等）。请注意这些波动率度量值的计算，虽然利用的是高频数据，但计算出来的还是日度波动率的估计，此时基于日度RV，以前的ARIMA，ARCH类模型又可以使用了，会见到像 RV-ARFIMA，RV-ARCH等等模型；有时候会利用RV的对数lnRV建立类似的模型；另一类是沿着HAR-RV模型发展起来的一大类模型。像考虑跳跃的HAR-RV-CJ模型，等等诸与此类吧。但我突然发现这些模型搞的那么复杂，利用的也是高频数据，然并卵预测的却都是日度波动率。那请问既然利用的是高频数据，大家更想知道的或者说更想要预测的应该是日内波动率吧。比如，我有沪深300指数5分钟间隔的高频收盘价数据；我如何预测 上午10:30，下午 2:30的波动率呢。请问各路金融、量化的大神们，怎么办呢？？？
根据查询资料，涉及的应该 高频瞬时（点）波动率的预测问题。