异质自回归HAR模型在金融资产的高频波动率建模和预测上得到了广泛的应用和发展。电价波动率有着高波动、“跳跃”频繁、逆杠杆等特性。现有的电价已实现波动率HAR模型研究多集中于对“跳跃”和逆杠杆的指标刻画,通常采用已实现波动率(RV)的原始形态和最小二乘(OLS)的估计方法构建HAR模型,且往往对其在估计量和估计方法上的选择约定俗成,即使在估计量和估计方法上有所改进,也缺少相关改进方法间的系统比较。然而电价已实现波动率存在着“尖峰厚尾”突出、有偏性、残差异方差、高波动的特性,OLS回归也有着对异常值敏感、无法处理残差异方差性等问题,二者的结合必定远非理想,则对估计量选取、估计方法改进的研究意义重大。本文从修正和描述电价已实现波动率存在的“尖峰厚尾”、有偏性、残差异方差、高波动特性为出发点,以指导HAR类模型在电力市场的预测性能为目标,给出关于估计量选取和估计方法改进的实用性建议。估计量方面,本文比较了已实现波动率(RV)的原值、平方根值以及Box-Cox转换对于预测的影响;估计方法上,本文不再局限于最小二乘OLS估计,而考虑最小二乘OLS估计、newey-west调整的OLS估计、加权最小二乘WLS估计、最小绝对值偏差LAD估计以及对波动之波动构建GARCH、EGARCH、FIGARCH模型的极大似然MLE估计法,预测方案上采用滚动预测。此外,针对电价波动率受到经济政策、突发事件等影响导致的模型结构突变的问题,本文在电力市场首次提出动态模型平均(DMA)的预测结合方法,相比传统模型,DMA模型允许模型系数和模型权重的双重时变性,充分考虑了不同时期下不同模型对于预测的影响程度。实证结果表明:1)在波动率的平稳期,针对单一传统HAR类模型,对已实现估计量进行平方根转换、Box-Cox转换都显著提高了原始HAR类模型的预测性能,且在几种转换模型中,平方根转换、Box-Cox转换(?=0)模型有更好的预测性能和预测稳健性。2)在波动率的平稳期,通过最小绝对值偏差LAD估计和对模型残差构建GARCH、FIGARCH的极大似然MLE估计替代传统最小二乘OLS估计方法,表现出比基准模型更好的预测稳健性。3)无论是对于估计量的转换还是估计方法的改进,在波动率的震荡期都未能取得较好的预测效果,笔者认为震荡期的HAR-RV类模型存在异质市场假说等假设不再充分满足的问题,且模型对于样本数据非常敏感,这一阶段波动率剧烈变化,即使对模型进行了一定程度的改进,也较难捕捉真实波动率的走势,预测的可提升空间非常有限。4)采用预测结合DMA方法,显著提高了基准模型在波动平稳期的预测表现,同时DMA模型有非常好的跨越平稳期和震荡期的预测稳健性。