由于金融高频数据拥有丰富的市场信息同时是全新的金融研究领域,近年来,关于金融高频数据波动率的研究已成为金融研究领域的热点。自Bollerslev等提出金融高频数据的已实现波动率理论,众多研究者对金融高频数据进行更深入的研究。其中Neil Shephard等提出已实现双幂次变差与张世英等在考虑日历效应的影响下提出赋权已实现波动。但是对于两者结合的赋权已实现双幂次变差的研究却很少。迄今为止,在国际证券市场传导特征的研究中,研究者都是应用低频数据进行研究。由于低频数据存在市场信息损失以及证券市场交易是连续的市场交易价格,因此应用低频数据研究国际证券市场的传导特征存在很大的缺陷。本文创新应用金融高频数据更能充分研究国际证券市场的传导特征,主要的工作与创新概括如下：高频数据的已实现波动与已实现双幂次变差以定理形式进行比较,得出在应用金融高频数据的已实现双幂次变差更具稳健性与有效性。以及在考虑日历效应的影响下提出赋权已实现双幂次变差,并且证明其有效性与无偏性。目前国内外还少有出现利用高频数据的RV-VAR模型进行协整关系实证研究。本文对中国、中国香港、日本、英国、美国证券市场指数约5万个高频数据进行协整关系分析,应用高频数据RV-VAR模型的协整持续概念,然后再运用小波神经网络理论验证RV-VAR模型是否非线性协整持续来探讨国际证券市场的传导特征。为剔除证券市场行业结构因素与行业发展因素的影响,在对证券市场指数实证基础上具体深入到行业指数的高频数据探讨国际证券市场行业之间的传导特征。基于高频数据的已实现波动模型将潜在的波动时间序列转化成可观测的波动时间序列,就可用常规建模技术建模。本文将行业指数与股价的高频数据应用WRBV转换成可观测的波动时间序列后通过Ganger因果检验与方差分解实证分析取得较好效果。针对证券市场指数与行业指数是由不同企业编制而成,为剔除企业因素的影响对中国石油、中国人寿和中国铝业在上海证券交易所、香港证券交易所和纽约证券交易所上市股价的高频数据分析,能够进行只反映国际证券市场传导特征的研究。因为在不同证券市场上市的同一企业的股价相异的原因只有证券市场因素的影响。