近二十年,学术界对波动率模型的研究已成为一个大热门。自从Engle于1982年提出ARCH模型以来,经济学界已经发表了数千篇关于条件异方差或波动率的文章。特别是最近十年,Andersen等学者提出用高频分时数据估计波动率的方法,这种方法可以得到比较准确的波动率估计值,称为“已实现波动率”,以此为基础,众多学者在波动率的特征和预测两方面进行了更为深入的研究,大大拓展了这个研究领域。然而,以往的波动率高频估计方法仍存在一些问题,首先,由于价格并不是严格服从正态过程,因此在估计已实现波动率时,高频数据的时间间隔并不是越小越好,用极高频数据估计波动率往往会因为微观摩擦而产生较大误差。Torben G. Andersen等人在对道·琼斯30只工业股票做实证分析时,直接选取了5分钟数据。然而,用于估计“已实现波动率”的最佳频率是与市场微观特征相关的,在不同市场、不同时期可能会有所不同。因此,对所有时期的数据样本全部选取一个数据频率,例如5-15分钟,可能存在问题。本文采用Bandi与Russell提出的模型解决了已实现波动率的最优取样问题,发现在中国股票市场最优取样频率为13分钟,该模型的优点是计算简便。同时检验了中国股票市场已实现波动的分布,发现已实现波动是严重右偏、尖峰的分布形态,但是已实现波动的对数标准差接近正态分布。同时发现经过已实现波动标准差标准化后的日收益率近似于正态分布。通过对已实现波动的长记忆性分析我们发现上证综指的已实现波动具有长记忆性,分形维为d=0.2639。通过波动与交易量之间的关系分析,发现交易量与波动性存在同期正相关关系,为了揭示其正相关的实质,通过Granger因果关系检验与脉冲响应函数对其进行分析,结论支持混和分布假说。最后总结本论文的内容,并且结合高频数据展望金融计量学未来研究的几个热点及对我国金融市场高频数据进行研究的意义。