波动率预测对于资产定价、风险管理具有重要意义,近年来许多学者基于高频数据进行波动率预测相关研究,然而高频数据中含有的噪音对预测效果有较大影响。本文旨在提取噪音并将其加入波动率预测模型,探究噪音能否提高预测精度,从而给投资者带来一定的经济回报。本文的研究思路和方法是:利用2014-2020年美国标普500指数ETF高频交易数据,在HAR族波动率预测模型的基础上,加入噪音方差NV进行样本内拟合和样本外预测;通过构建流动性和信息非对称性指标以及分解噪音方差,从市场微观结构角度解释噪音如何影响波动率;本文还将噪音用于波动率组成部分连续和跳跃波动的预测;通过更换样本数据、采用拓展窗口、采用其他噪音变量、蒙特卡罗模拟等方法进行了稳健性检验;最后,将波动预测结果应用于实证资产配置策略制定,体现预测模型的经济价值。本文得到的结论是:第一,中短期噪音对波动率有正向影响,噪音中包含的额外信息能够显著提升波动率预测的准确度;第二,换手率、信息非对称性、日成交量指标对噪音变化有显著影响,可能是噪音中额外信息的主要来源,且噪音中的流动性部分对于提升波动率预测效果有更大贡献;第三,噪音同样能够显著提升波动率组成部分的预测精度,特别是能大幅提高跳跃项的预测效果,且分别预测连续和跳跃波动再相加会得到更准确的波动预测值;第四,实证资产配置策略结果表明,投资者愿意付出8个基点的年费以得到更准确的预测值,获得更高的投资回报。本文的创新点在于:首先,将市场微观结构噪音的形成机制与波动率预测相结合,探究噪音中的流动性、信息非对称性成分能否提升波动率预测效果,并给出微观影响机制解释;其次,提出利用噪音分别预测连续波动和跳跃波动然后组合得到波动率预测的方法;最后,基于预测结果,进行实证资产配置的策略制定,给出研究的实际经济价值。