波动率常被用以表示风险的大小,波动率的测量能够影响证券组合的选择、风险管理和期权定价等,因此,对波动率的正确描述一直是金融研究中的热点。高频数据可以包含更多的市场信息,其出现得到了学者们的关注。本文使用高频数据研究波动率,能够更好地利用市场的有效信息,使波动率的测量更加准确。　　本文首先介绍了国内外关于高频数据波动率的研究现状,然后讨论了在市场不存在噪声的理想状态下波动率的研究。但噪声是客观存在的,因此,在存在噪声的市场中,本文引入了一种新的非线性滤波模型进行讨论。最后,由于宏观市场的变化,市场存在多个机制,因此考虑存在机制转换的情况下,对波动率的估计进行进一步的讨论。　　本文的核心部分是:为了得到与投资者感受一致的风险测量,引入了下半方差模型,并在已实现的双幂变差模型的基础上建立了下半双幂变差模型。此外,本文在考虑存在噪声的情况下,引入一种新的非线性滤波模型,并使用粒子马尔科夫链蒙特卡洛(PMCMC)方法进行参数估计。最后,本文还考虑存在机制转换的情况下,构造基于高频数据的带机制转换的波动率模型,并使用PMCMC方法进行参数估计。