股票市场是我国资本市场的重要组成部门,为此我国于上个世纪90年代初建立了沪深两个股票交易市场,股票市场已逐渐成为经济发展的风向标。随着我国金融市场体制机制的不断完善,合理控制股票价格上涨或下跌带来的风险,已成为社会各界尤其是投资者关注的重点。波动率是衡量股票市场收益的不确定性,无法了解波动率,就难以掌握和度量市场的风险,更无法进行有效的资产配置。沪深300指数是判断和研究股票价格波动趋势的一个重要依据,也是我国经济发展的晴雨表,其在一定程度上反映了我国经济的实力,因此对沪深300指数的预测具有重要的现实意义。考虑到2015年我国股票市场历经一波三折,从开始牛市再到疯牛,最后演变成股灾爆发。这轮股市的剧烈波动,充分表明了对股票市场波动率的预测精度还需要进一步予以完善。由于金融市场波动率是难以直接观察的,从而对股票收益波动率的预测是困难的,尤其是像我国这样金融市场尚不成熟,股票价格仍受到政策等外部因素的影响。因此旨在建立一种符合我国金融市场实际情况的预测模型,提高对股指波动率的预测精度,不仅能够有利于提振投资者信心,还能对金融监管方提前防止股票市场的大起大落起着重要的作用。对金融市场波动的测度是研究金融市场风险的基础,总体而言,一般有两种方法常用于测度波动:一是隐含波动率,二是历史波动率。通常来说波动预测很少运用隐含波动率,究其原因,主要是由于通过模型倒退波动率的过程需要将衍生交易价格代入进来进行推导,过程较为繁琐。而通过市场的历史走势来预测波动率的历史波动率预测法,则是更加常用的方法。当样本数量不大时,一般采用历史波动率的测度方法来对数据进行预测,该方法多采用以月、周、日等低频数据作为预测样本。但是在金融市场中,影响股票市场波动的信息是连续的,仅仅使用以日、周和月的离散数据会不同程度地造成信息的损失,而若采用高频数据,那么能够捕捉的金融信息就会更多,丢失的信息更少,对金融市场波动率的预测就更加准确。所谓的高频数据,通常来说就是交易数据更多的是以每小时、每分钟和每秒来计算的。相较于低频数据来讲,高频数据所包含的信息会更多,因此通常采用高频数据对金融市场的波动进行分析,将更有利于发现金融市场股票波动的规律所在。其次,数据信息化程度的提高,使得收集金融高频数据变得更加方便。借助于高频数据的分析预测,投资者更能够及时做出决策。目前,通过基于高频数据对股指波动率进行预测的基础模型主要是HAR-RV模型,以及在考虑跳跃的基础上将已实现波动RV进一步区分为跳跃波动JV和连续波动CV的HAR-RV-CJ模型,然而这两个模型并没有将隔夜信息纳入进来考虑,本文通过分析发现隔夜信息能够对股市的波动产生影响。虽然近些年来,也有不少学者考虑到隔夜信息会影响金融市场波动,并且对此关注较高,本文在此基础上,对原有的隔夜信息所包含的内容进行了拓展。考虑到隔夜信息的来源,本文选取了有代表性的三类数据——宏观政策指标类信息(如存款准备金率、采购经理指数等)、海外市场交易类信息(如西得克萨斯中间基原油价格、伦敦金定盘价格等)和上市公司信息披露,并且在预测股指波动率时进行考虑。本文以隔夜信息对股市波动率的影响为前提,首先对前人构建的经典模型HAR-RV和HAR-RV-CJ模型进行改进,将隔夜信息等指标因素纳入经典模型后,构建出新的股指波动率预测模型HAR-RV-CJ-inf模型。然后通过利用沪深股市300指数2014年9月1日至2016年12月31日共580个交易日的5分钟高频数据作为研究数据,基于SPA检验方法,运用4种损失函数分别从短期、中期和长期对HAR-RV模型、HAR-RV-CJ模型和HAR-RV-CJ-inf模型的预测精度进行了比较。SPA检验的p值表明,HAR-RV-CJ-inf模型在短期、中期和长期波动率的预测精度上均要好于HAR-RV模型和HAR-RV-CJ模型。这个结论将为投资者在做出投资组合决策时提供更加准确的估计,也对宏观经济研究起参考意义。