在变化莫测的金融市场中，资产的风险与收益是投资者最关心的问题，而资产收益率波动的度量和预测是解决该问题的关键。现代计算机与信息技术的发展，使得人们可以方便快捷的获得资产价格变化的高频数据，我们甚至可以精确的记录每一笔交易的信息，因此基于高频数据的波动度量与建模成为近年金融市场的研究热点。自从1982年Engle提出ARCH模型后，波动率的估计与运用模型不断发展，从ARCH/GARCH族模型到SV模型，从参数方法到非参数方法，各种方法层出不穷。近20年很多学者的实证研究揭示了金融市场一些典型事实，如收益率分布的尖峰胖尾现象、收益率波动的长记忆性特征等，这些事实动摇了有效市场假说中价格服从随机游走的假定。但是，目前的研究对波动的测量与建模方法还没有完全统一，对最优抽样频率的选择尚无定论，对已发现的典型事实的形成机理还不能给出完整的科学解释。　　 本文运用最新的非参数波动测度理论，结合统计物理学的方法，对中国股票市场高频数据进行分析，研究中国股票市场的波动特征并建立了相关的数学建模。文中分析和对比了不同价格测度下的收益率波动特征，研究结果表明用不同的价格测度计算的收益率提供了不完全相同的信息。本文重点分析了中国股票市场非参数波动的分布特征，说明了影响非参数波动长记忆性存在的原因，讨论了抽样频率对非参数波动的影响。对非参数波动收益率分布的实证结果表明对数标准化后的非参数波动近似为高斯分布，用非参数波动标准化后的收益率为高斯分布，说明非参数波动是隐含波动的有效估计量。对收益率波动的长记忆性研究，发现收益率波动长记忆性的存在与时间间隔无关，但是随着抽样间隔的增大，波动的长记忆性程度缓慢震荡衰减。在比较不同的非参数波动的特征后，发现非参数波动的长记忆性由积分波动的决定，已实现波动的长记忆性几乎不受微观噪声的影响。这表明，收益率波动的长记忆性是由数据自身的生成过程中产生的，而不是因为受微观噪声或波动聚集性的影响产生的。通过对各类非参数波动测度的综合比较，实证结果表明己实现极差波动具有更好的统计特性，更适用于波动的测量与建模。