股市波动率的建模与预测一直以来是金融经济学研究的重要内容。它对资产组合选择、金融资产及其衍生品定价、以及金融机构的风险管理都具有重要意义。20世纪80年代起,国内外学者提出了基于低频数据的GARCH类和SV类等模型对股市波动率进行估计和预测,很好地刻画了股市波动的集聚性和时变性特点。进入21世纪,基于高频数据的股市波动率的建模与预测成为新的研究趋势。在已实现波动率(RealizedVolatility,RV)的基础上,涌现了能够刻画股市波动长记忆性和异质特点的ARFIMA类和HAR类等经典模型。信息的传播和扩散是股市产生波动的内在原因。由于股市的交易期间持续时间短,导致股市在两个工作日之间的非交易时段内积累了大量信息,这就是所谓的隔夜信息。由于政策传导、经济走势和国际联动等因素,隔夜信息的产生涉及多个方面。因此,研究隔夜信息对中国股市波动预测的影响具有重要意义。以隔夜信息为新的切入点研究股市波动率的建模与预测是本文的核心内容,并具有十分重要的意义。在学术方面,拓展了对隔夜信息的界定和分类,并结合隔夜信息对股市波动率的影响这一特点对其进行建模和预测研究,丰富了金融波动率建模的理论空间。在理论方面,为政策制定者、信息披露者和股市管理者提供理论依据。本研究致力于使决策管理部门能够在保证调控目标和信息披露的前提下,清楚地认识到这些变动对股市波动造成的冲击,从而形成合理健全的制度体系,有效地降低对股票市场和金融系统带来的风险,维护金融市场稳定。在实践方面,正确认识隔夜信息对股市波动率的影响对于股市投资者做出正确判断有一定指导意义。股市波动并不是一种随机行为,而是受到隔夜信息等因素的影响而变化的。投资者的正确认识一方面可以减少市场的投机行为,另一方面有利于他们充分利用隔夜信息做出合理的投资决策。本文首先回顾了国内外学者在该领域的研究成果,确立了本文的研究方向和理论依据,并为模型建立打下了实证支撑。在此基础上,分别从理论和实证两个方面论证隔夜信息对股市波动率的影响。理论方面,界定了隔夜信息的内涵与分类,并通过信息与波动的相关理论、隔夜信息影响股市波动的微观基础以及隔夜信息影响股市波动的作用机理进行论证。实证方面,对各类隔夜信息、股市波动率及波动的隔夜表现和跳跃行为进行了度量,并通过格兰杰因果关系检验和中介效应分析两条路径来证明隔夜信息对股市波动的影响。最后,围绕本文的的核心,分别提出了三种基于隔夜信息的股市波动率建模方式,并与传统的波动率模型进行预测能力比较。其中,多因素-变系数模型和HAR-CJI模型是分别借助于隔夜信息影响股市波动的中介效应——隔夜表现和跳跃行为对现有的经典股市波动模型进行改进,将隔夜信息的影响考虑到波动率模型中。复合模型则是利用BP神经网络模型,将经典波动模型的估计结果与隔夜信息综合起来。通过对三种模型的实证检验发现,隔夜信息能够提升波动率模型的拟合效果和预测性能。相比较而言,前两者模型具有较好的理论解释能力,而后者则具有更好的预测效果。本文的研究结果体现在三个方面。首先,就隔夜信息对股市波动的影响来说,宏观政策指标类信息、国际市场类信息和上市公司信息披露水平对股市波动表现出不同的影响。具体表现在,基准利率、存款准备金率与采购经理指数等宏观政策指标类信息的变动,国际油价、伦敦金价与纳斯达克指数等国际市场类信息的利空表现,上市公司信息披露程度的提高和两个交易日之间的不连续对日内波动均有增大效应。同时,隔夜信息能够通过影响股市的隔夜表现和股价波动的跳跃行为,对股市日内波动率的预测起着重要作用。一方面,隔夜表现是各类隔夜信息影响股市波动的中介变量,而跳跃行为在部分隔夜信息对日内波动的影响中表现出一定程度的中介效应。其次,从基于隔夜信息的股市波动率模型构建方面来看,本文所提出多因素-变系数模型、HAR-CJI模型和以BP神经网络为基础的复合模型,在拟合效果和预测能力方面,比经典波动模型和神经网络非参数模型表现更好。最后,从新模型的预测能力上看,考虑隔夜信息提高了模型在对股市波动率变动方向和数值大小预测方面的精度,同时提高了非参数模型的稳定性。其中,对预测方向的改进主要表现在对股市波动正向变动的准确性上。基于隔夜信息的经典线性模型和神经网络模型在解释股市波动率的理论意义、预测方式以及预测效果上存在差别。