股票是金融市场的核心组成部分,是大类资产配置不可或缺的部分,而波动率是衡量股票风险的核心指标,对于构建稳定的投资组合至关重要,因此预测股票的波动率具有重要的理论和实践意义。由于同一行业中的公司经营模式和财务状况相似,其股价的波动特征具有一定的相似性,因此我们分行业对HAR族模型预测已实现波动率的能力进行对比分析,找出行业中最优预测模型。本文对异质自回归类模型(HAR族模型)预测不同行业股票的已实现波动率进行对比分析,其行业分类以全球行业分类系统(GICS)为标准。文中以215支美股1990年1月2日至2017年2月28日共计6816个交易日的1分钟高频数据为样本数据。在此基础上,以对已实现波动率建模的异质自回归类模型、随机游走模型和带市场变量的一阶自回归模型,采用滚动时间窗口的样本外预测,对215支美股的短期(h=1)、中期(h=5,10)和长期(h=22)已实现波动率进行预测,参数估计的窗宽为1000个交易日。把样本外预测的MAE和MSE分别作为损失函数,利用Giacomini-WhiteTest判断出每只股票的最优预测模型,再对股票的最优模型进行分行业统计分析。根据实证结果得出四个主要结论。第一,不同行业已实现波动率的特征存在一定差异,行业内个股已实现波动率的相关性比行业外的高。第二,股票的波动存在明显的跳跃特征,通过计算阈值二次幂变差已实现波动率TBPV能有效地将已实现波动率的连续成分和跳跃成分进行分离。第三,不同行业在相同预测长度下的最优模型是不一致的,同一行业在不同预测长度下的最优模型也是不一致的。对股票已实现波动率进行预测时,应根据股票所属行业和预测长度等因素选择最优的波动率预测模型。第四,预测短期股票已实现波动率时,在HAR族模型的基础上加入市场变量能提高模型预测的稳定性,针对不同行业加入在该行业中显著的市场变量,并且市场变量数目不宜过多。在本文的最后,我们提供了各行业股票在不同预测长度下的最优模型,针对预测一天的已实现波动率,提供应加入的市场变量。