摘要：本文研究了一种基于波动率测量误差的波动率预测模型，并做了非线性扩展，期望改进预测效果．考虑到文献中关于波动率可能长记忆性和非线性并存的观点，本文以具有长记忆特征的HAR（heterogeneous autoregressive）模型为基础，加入波动率测量误差后模型持续性有所提高，结合非线性的时变参数模型则达到结构变化和减弱异方差的效果．本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果．固定参数下，在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果．时变参数下，加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型．时变参数模型总体上可以改善固定参数模型的预测效果，尤其在预测期较长的情况下改善均是显著的．

关键词：高频数据 已实现极差波动率 测量误差 时变参数模型 

单位：中国科学院大学经济与管理学院; 北京100190; 中国科学院数学与系统科学研究院; 北京100190