波动率一般指资产收益率的标准差或方差。波动率在风险管理、资产定价等领域扮演着重要的角色，因而对波动率预测的研究吸引了学术界和业界的极大关注。大致上可以将预测未来波动率的方法分为三种类别:历史波动率预测，时间序列模型预测，以及隐含波动率预测。由期权价格反向推导出来的隐含波动率被认为是未来波动率的市场预期，理论上隐含波动率应该能更好地预测未来波动率。　　前人对隐含波动率的预测能力做了不少研究，但得出的结论并不一致且研究本身存在不少缺陷。为了对隐含波动率的预测能力做一个完整全面可靠的研究，本文避免了早期文献中普遍存在的“到期时间不对称”和“数据重叠”问题，且首次将SABR模型应用于波动率预测领域，在此基础上比较了历史波动率、GARCH时间序列模型以及4种不同的隐含波动率模型在7天、14天以及30天等三个不同预测期的预测效果，并分析了各个波动率之间的相对信息含量关系。　　本文实证结果表明，不管预测期长短，所有类型的波动率对未来波动率都有一定的预测能力，但是不同波动率适用的预测期不同。对于7天和30天预测，发现隐含波动率效果较好，而对于14天预测，GARCH时间序列模型则表现更优。就隐含波动率本身而言，整体上SABR模型隐含波动率预测效果要优于其它隐含波动率，这说明把SABR模型应用于波动率预测领域是可行且有效的。