波动率可以说是金融衍生品最重要的属性之一,它是金融衍生品定价、资产配置、风险管理以及交易策略制定的重要依据,一直都是金融研究的前沿热点。一方面,由于信息技术不断发展,包含更多市场信息的高频数据更容易获得,针对波动率的研究也一直向更高频率的数据研究方向拓展;另一方面,高频交易的兴起也要求更高频率的波动率研究来指导交易策略、管理交易风险、优化交易过程等。然而目前学者关于波动率的研究大多停留在5分钟及以上间隔样本的波动率研究中。本文拟研究沪深300股指期货日内高频率波动率特征,使用GARCH类方法来刻画其日内波动率动态变化过程,并根据最优抽样频率的估计模型对股指期货的波动率预测,最后,通过损失函数来比较出预测模型的优劣。波动率的研究与预测为投资者的决策提供支持,也为监管部门的政策制定提供参考,完善现有的市场监管制度。本文的主要研究内容包括:首先,本文通过回顾以往波动率研究理论,梳理GARCH模型理论的发展过程,结合股指期货日内波动特点,构建股指期货日内波动率研究的理论框架,用来揭示其日内波动率的动态变化过程。其次,本文以沪深300股指期货十个交易日每秒两笔的高频数据作为研究对象。在对十个样本数据做统计性描述的基础上,运用ARMA模型和GARCH模型方法实证检验了沪深300股指期货日内高频收益率与波动率的特征,研究结果发现日内高频波动率具有波动率聚集、长记忆性以及对市场新息的冲击表现出很强的持续性。模型稳定性检验与样本内预测结果发现,拟合模型稳定且能反映股指期货日内波动过程,但在每秒两笔这样频率的波动率预测上,其预测精度并不理想。再次,为提高预测精度,选择对收益率序列建立最优抽样的real GARCH模型,它最大的优点是把已实现波动率和GARCH模型有机结合一起,通过这个模型可以实现使用金融资产高频数据来预测其低频波动率。通过对3个交易日不同抽样频率的12个研究样本的拟合结果发现:日内波动率存在明显的杠杆效应,不同样本的冲击函数表现非常不同,但同一样本的不同研究间隔的波动率冲击函数表现基本一致。在样本Sample1的四个估计模型中,研究发现沪深300股指期货日内高频波动率存在明显的杠杆效应,正向市场冲击比负向市场冲击对波动率的影响更大;在样本Sample2的模型估计中,杠杆效应基本为零,正负市场冲击对波动率的冲击基本相同;而在样本Sample6的估计模型中,估计样本模型也存在杠杆效应,但负向市场对波动率的影响更大。用损失函数比较不同抽样频率的real GARCH模型的波动率预测精度后发现:Sample1样本1s间隔的预测效果要明显好于其他间隔的波动率预测,其他研究样本不同抽样频率波动率预测效果差别不大,但综合来看Sample2的2s间隔的抽样样本波动率预测要好于其他间隔的样本;而在Sample6中15s间隔的预测效果要好于其他间隔。最后,利用损失函数和H-Z回归函数对ARMA-GARCH、real GARCH以及e GARCH三个模型的预测精度评价结果显示:以损失函数最小为目标,则样本Sample1的已实现GARCH模型预测效果最好,而样本Sample2和Sample6的e GARCH模型预测效果最佳;如果以H-Z回归函数为目标的话,发现Sample1和Sample2的real GARCH模型对沪深300股指期货日内一分钟波动率预测效果最好,而样本Sample3中,则e GARCH预测效果最好。整体看来,反映杠杆的波动率模型的预测效果要优于没有杠杆效应的波动率模型的预测效果。GARCH类模型是最常用、最成熟的波动率研究模型之一。本文以沪深300股指期货日内高频数据为研究对象,然后利用ARMA模型、ARMA-GARCH模型、real GARCH模型以及e GARCH模型研究了日内波动率特征并对日内波动率预测,最后还利用损失函数和H-Z回归对不同的GARCH模型的预测精度做评价。本文的研究具有积极的理论和实践意义。从理论上看,本文拓展了波动率研究的领域,有助于丰富股指期货日内市场微观结构理论;完善市场监管与市场风险管理理论从实践上看,为监管部门科学优化股指期货市场监管制度提供实践参考和理论依据。有助于高频交易投资者提升风险管理水平,帮助投资者认识股指期货波动率的特点和规律,为投资者的投资决策提供支持。