波动率一直被广泛应用于金融风险管理和资产定价等各个领域。进入21世纪以来,随着经济全球化的进程加快,国际资本流动规模不断扩大,各种风险因素也在不断增加。而波动率作为衡量金融风险的重要指标,是金融风险管理的核心内容之一。另外,随着金融创新的不断发展,金融衍生品规模不断扩大,波动率作为衍生品定价的重要因素,备受学者关注。由此可见,波动率在衍生品定价、金融风险管理和资产配置等领域具有重要作用。因此,如何精确地描述和预测金融资产波动率,一直是学术界和实务界研究的热点问题。在早期的波动率研究中,人们假设未来是过去的延伸,使用历史波动率估计未来。后来在著名的Black-Scholes的模型中,人们利用公式反向求解隐含波动率。进入二十世纪八十年代以来,人们相继提出了GARCH、SV模型以及它们的扩展模型进行研究,也在一定时期内取得了较好的效果。但这些模型都是基于日度数据,无法体现日内波动情况。随着计算机技术的飞跃发展,交易所电子化的快速兴起,基于日内高频数据的波动率预测研究逐渐被关注和发展起来。1998年,已实现波动率（Realized Volatility,RV）的概念被提出。相比于已有的模型,它可以反映日内交易信息,计算简单,并且还有着较好的无偏性和稳健性。基于此,Corsi提出了HAR（Heterogeneous Autoregressive）模型,很好地刻画了波动率的长记忆性。随后各种各样的HAR类模型相继产生,HAR模型也因为在预测波动率上的优势,成为近十年的研究趋势和热点。本文正是基于HAR模型开展对波动率的预测研究。对于HAR模型的拓展,学者一般从内部和外部两个角度进行挖掘。诸多学者围绕连续与跳跃波动建模,或者从波动不对称出发进行建模,这些研究都是从内部进行改进。从外部角度出发,挖掘对波动率产生影响的外部因素,也可以显著地提高HAR模型的预测表现。考虑到波动率在资产配置、资产定价和金融风险领域的重要作用,所以非常有进一步改进HAR模型的必要。随着行为金融学的兴起,很多学者研究了投资者情绪与股市的关系,研究表明了投资者情绪对股市波动率有着不可忽视的重要影响,也是引起股市波动的重要因素。然而国内却鲜有学者探讨投资者情绪是否可以提高波动率的预测能力这一问题,未将投资者情绪引入到波动率预测模型进行研究。本文正是基于以上的背景,尝试将投资者情绪纳入到HAR模型,探讨投资者情绪是否可以提高波动率的预测能力,实现HAR模型的改进。为了实现研究目的,本文采用规范分析和实证分析结合的方式展开研究。在规范分析方面,本文全面梳理了波动率预测理论的发展历程,重点总结了高频波动率模型的运用,并挖掘了投资者情绪与股市波动率之间的关系。在实证分析方面,本文将构建的日度投资者情绪指标引入到HAR模型,对沪深300指数市场进行建模和预测分析,通过R语言进行实证分析和检验,最后通过大量图表等方式呈现研究结论,尽量以生动形象的方式展示研究过程。本文分为五个章节进行了论述,第一章为绪论。本章介绍了相关的研究背景、研究意义、研究方法、研究内容和创新之处。第二章为文献综述。首先对波动率预测理论的发展进行了相关梳理,其次介绍了投资者情绪对股市波动的影响研究,最后对已有的研究进行了简要评述。第三章为研究设计。首先详细介绍了不同的波动率模型,然后介绍了滚动窗口预测技术和模型可信集检验等方法,最后介绍了投资者情绪指标的相关理论及构建方法。这些理论和方法为实证研究奠定了基础。第四章为引入投资者情绪的波动率预测研究。本章主要介绍了实证研究过程,首先对沪深300指数高频波动率进行了描述性统计,然后对已实现波动率和投资者情绪指标的关系进行了研究,为下一步建模建立基础。随后基于连续跳跃分解、上涨和下跌已实现半方差分解和符号跳跃分解,相应建立五种基准HAR模型,将日度投资者情绪指标引入五种基准模型,构建出相应的HAR改进模型。接下来进行了新旧模型的样本内估计与分析,然后是运用样本外滚动窗口技术和模型可信集检验（MCS）等方法进行新旧模型未来短期、中期和长期的样本外预测能力的比较,并借助DM检验和不同滚动窗口预测等手段,进行了稳健性检验。最后是从投资组合的视角对不同模型的经济价值进行分析。第五章是结论,本章主要介绍了研究成果、对相关机构和投资者的政策建议,以及对未来的研究展望。本文研究的主要结论有:第一、使用沪深300指数作为研究样本,计算得到的各种高频波动率都具有尖峰有偏的特点,并且有明显的自相关特征。投资者情绪指标和已实现波动率之间有显著的相关关系和双向格兰杰因果关系。第二,将波动率基于连续跳跃分解、上涨和下跌已实现半方差分解和符号跳跃分解,从未来短期、中期和长期的样本内预测结果看,连续波动比跳跃波动对未来波动率影响更大;上涨和下跌已实现半方差具有不对称波动冲击;正向符号跳跃表现出了对波动率的负向冲击。从短期、中期和长期的样本内外预测表现来看,每一种分解方式所构建的模型都有着比HAR-RV模型更好的样本内拟合能力和样本外预测能力。第三,也是本文的核心结论,投资者情绪可以提高HAR模型的预测能力。对未来短期、中期和长期而言,引入投资者情绪指标可以提高原有HAR模型的样本内拟合能力。从样本外预测来看,引入投资者情绪的HAR改进模型在未来短期和中期显著提高了原模型的预测精度,并且稳健性检验也支持这一结论。第四,基于改进HAR模型的投资组合策略可以产生更大的经济价值。本文研究的主要创新点主要体现在以下几个方面:首先,本文使用连续跳跃分解、上涨和下跌已实现半方差分解和符号跳跃分解等经典的方法研究波动率,较为全面地体现了波动率的特征,并进行不同模型的对比分析,更好地挖掘了我国股市波动率的特点。其次,本文将投资者情绪作为解释变量引入到HAR模型,挖掘投资者情绪对波动率的预测作用,不仅拓展了相关模型的研究范畴,而且为波动率预测研究提供了新的方法。最后,本文从投资组合的视角对引入投资者情绪的HAR改进模型进行了经济价值的分析,为HAR改进模型在实践层面的应用提供了新的思路。不可避免的,由于研究水平有限,本文还存在不足之处:首先,本文选取的是沪深300指数市场,只利用了股票市场的数据,并未探讨投资者情绪在金融衍生品市场的预测表现。其次,本文并未对投资者情绪的状态进一步区分,未研究不同状态的投资者情绪对市场波动率的预测表现。接下来可以基于这些不足,继续开展相关研究。