从现代金融的数量化研究进程中可以发现，波动性始终是金融理论的核心问题，因此，如何对市场的波动性进行准确的度量和预测，成为理论界和实务界所关注的焦点。现代经济计量学方法论的发展，为波动性的建模分析提供了坚实的方法论基础，随着研究的深入，在众多专家和学者的努力下，波动率模型的研究取得了显著进展。近几年发展起来的基于隐马尔科夫模型(HMM)预测波动率的方法尤其有效。本文采用的隐马尔科夫模型由两部分组成，马尔科夫链和一般随机过程，并且可以用状态空间模型的形式来表示。其中，马尔科夫链用来描述不可观测的状态，在状态空间模型中用状态方程表示；一般随机过程用来描述观察值与不可观测的状态之间的关系，本文中将收益率作为观察值，用状态空间模型中的量测方程来刻画。一般来讲，隐马尔科夫模型的参数会随着马尔科夫链状态的增加而迅速增加[1]，这样当状态数较多时，参数估计就成为非常复杂的问题，为此，本文使用一种特殊的参数化过程，即能很好的反应波动率的市场特征，又使参数个数与马尔科夫链状态数无关。本文应用隐马尔科夫模型预测波动率时，波动率由不可观测的马尔科夫过程驱动，观察值为收益率。通过历史行情数据得到参数估计，进而利用参数和当前的观察值，预测未来的波动率。为了验证模型的有效性，我们将预测结果与实际情况作比较，并引入GARCH模型和T-GARCH模型作为比较模型。实证结果表明了隐马尔科夫模型预测的有效性。