随着经济全球化及金融一体化的深入发展,金融风险逐渐表现出多样化和复杂化。金融资产收益的波动率对于资产组合分散化、金融资产及其衍生产品定价以及风险管理等等而言,是一个基本的核心变量。因此,对波动率进行建模在金融理论发展及金融风险控制实际应用中已经成为研究的热点。本文利用沪深300股指期货高频数据,在非参数思想的基础上,构建新的波动率模型,比较研究哪个模型的预测能力更强。首先,本文论述了研究波动率的实际意义以及进行波动率建模的重要性;其次,本文较为系统地介绍了国内外对于波动率建模以及模型比较方法应用的研究,并且指出其中的不足之处,为后文深入研究奠定基础;接着,回顾本文后续所涉及的波动率度量、跳跃检验、波动率模型、函数系数模型以及模型比较方法等相关理论;然后,本文在质疑参数模型HAR-RV设定合理性的基础上,引入时变系数HAR-RV模型,同时,将非参数思想应用到 HAR-RV-CJ,构建出 TVC-HAR-RV-CJ(Time-Varying Coefficient HAR-RV-CJ)模型,该模型的参数设定为关于时间t的未知函数。接着,使用应用较为广泛的局部线性方法来估计非参数模型的时变系数;并做了以下的工作:第一,将样本期划分,将HAR-RV模型运用于两个不同样本期,通过wald检验拒绝不同样本期中回归模型系数相等的原假设;第二,观察因变量与自变量两两之间的移动窗口相关性,发现它们是动态变动。通过以上的实证分析,发现时变系数的HAR-RV模型更为符合现实情况;最后,本文通过M-Z回归、损失函数、高级预测能力检验(SPA)以及模型置信集(MCS)四种模型预测能力检验方法,实证证明了 TVC-HAR-RV较HAR族模型的样本外预测能力提升了。为了得到更为适合沪深300股指期货波动率的模型,综合比较了 HAR族、已实现GARCH、MIDAS、TVC-HAR-RV以及改进的TVC-HAR-RV-CJ的预测能力,在最为稳健的MCS检验中,实证发现 HAR-RV、MIDAS、RG(1,1)(已实现 GARCH)、TVC-HAR-RV、TVC-HAR-RV-CJ模型的预测能力较强。其中,TVC-HAR-RV-CJ在所有四种检验中均获得了最好的表现,因此可认定,TVC-HAR-RV-CJ在刻画沪深300股指期货波动率上是最优的。本论文是国家自然科学基金资助项目《基于已实现测量非参数方法的金融资产跳跃行为研究》(No.71171056)的阶段性研究成果。