该研报探讨了利用机器学习模型预测股票日内已实现波动率的方法，通过汇集多只股票数据以捕捉日内波动率的共性，并引入市场波动率作为代理变量增强预测效果；研究发现神经网络因能建模变量间复杂非线性关系而显著优于线性回归和树模型，且模型在未参与训练的新股票上表现稳健，证实了股票间存在普遍波动机制；此外，研报提出使用过去日内波动率而非日度数据预测未来波动率的新方法，揭示了日内时间效应的重要性，并在样本外测试中证明其优于传统基线模型。

#######################

欢迎参加净值还在水上微信群：本群旨在成为一个高质量的量化知识共享圈。我们只聚焦高价值的干货分享，期待大家能在这里一起交流、一起成长。

为保证群的纯粹性和交流质量，我们将严格审核入群身份。