股票指数波动率的估计和预测问题一直是金融计量领域的重点研究对象之一,其中波动率是指金融资产价格波动的程度和衡量不确定性或风险的程度,股票市场作为国家宏观经济的晴雨表能够反映整体经济情况。中国证券市场于上世纪90年代初开启,到现在已经发展了30余年,取得了非常巨大的成果,已经成长为全球规模最大的股票市场之一。创业板市场作为二板市场,上市的都是创新型和高成长型的中小企业,它们自身抗风险能力不足,所以其风险管理尤为重要。本文研究的是创业板市场波动率的预测,选取创业板指作为创业板市场的代表指数。首先从GARCH族模型、神经网络模型和混合模型这三个方面波动率预测的相关文献出发,构建了本文所用混合模型理论框架。其次对创业板指日收盘价数据进行描述性分析和统计检验,得到其对数收益率序列具有波动聚集性、厚尾性、左偏性等特征,序列存在平稳、无自相关等特性且残差序列存在ARCH效应。然后建立基于正态分布、t分布、有偏t分布和GED分布的GARCH、EGARCH和CSGARCH模型,通过AIC和BIC最小准则,结果发现有偏t分布下GARCH族模型拟合效果最优,进而得到各GARCH族模型的估计参数,并将它们作为混合LSTM模型的输入,在基础解释变量的选择上,除了每日收盘价,还增加了收益率、最高价和最低价等总共6个变量。最后分别构建LSTM模型与一到三个GARCH族模型相结合的混合模型,对创业板市场波动率进行预测,通过计算四种不同的损失函数（RMSE、MAE、HRMSE、HMAE）来对比各个模型的预测效果。本文的研究得到了以下两点结论。第一,在GARCH族模型中,GARCH模型预测创业板市场波动率的效果最好,CSGARCH模型和EGARCG模型次之,LSTM模型的预测效果比这些GARCH类型的都好。单GARCH混合LSTM模型预测效果比普通的LSTM模型效果好,多GARCH混合LSTM模型的预测效果则比单GARCH混合LSTM模型效果好,其中LSTM-GEC模型预测效果最好,但相比LSTM-GC模型（双GARCH混合LSTM模型中预测效果最好）预测性能并没有提升很多。另外,混合了GARCH模型（GARCH族模型中预测效果最好）的LSTM模型在相同数量GARCH族混合模型条件下,预测效果最优;第二,在不同的时间步长下,结果也都表示LSTM-GEC模型的HMAE最低,预测效果最优,而且随着步长的变短,各个模型的预测效果都有所下降。