金融风险始终伴随着金融市场的发展，如何度量金融风险的变化及其特性并实施有效的规避及防范措施，一直是理论界与实务界共同研究的课题。金融市场高频/超高频时间序列的分析与建模是金融计量学的一个全新的研究领域，以前的研究至多是针对每日采集的数据来建模的，这种每日所采集的数据在金融计量学研究领域通常被成为低频数据。但是我们知道，在金融市场中，信息是连续的影响证券市场价格运动过程的。数据的离散采取必然会导致信息不同程度的缺失，因此，数据的采集频率越高，伴随的信息丢失就相对会越少。所以为了更好的理解金融市场微观结构，我们有必要对更高频的金融数据进行统计分析研究。与此同时，伴随着电子计算机和通信技术的迅速发展，也使得我们对更高频的金融数据的研究成为可能。　　 关于股市中的长记忆性的研究，对于分析和了解股市结构，判断市场走势以及分析波动和控制风险等等方面有着显而易见的重要性。高频金融时间序列长记忆性所说明的是过去和未来的一种持续的相关关系，是资产收益特有的一个极为重要的方面，因此对其研究也是很有必要的。　　 本文综述了目前国际上流行的研究高频/超高频金融时间序列长记忆性的模型，并指出了不同模型的特点和局限性，本文在已有研究成果基础上对超高频时间序列的长记忆建模进行了一些理论上的创新和探究，给出了一些新的研究模型，最后对我国沪深股市中超高频金融时间序列进行了一些实证检验，发现尽管发达金融市场并不存在显著的长记忆性，但中国这样的新兴市场普遍存在。