在二十世纪九十年代以前,由于受市场繁荣程度和科学技术的制约,关于金融经济和时间序列的探索、研究都只能从日、周、月、季度甚至年度的报表数据上进行,这些数据由于更新的频率较低,被称为低频数据,在金融计量学的研究领域中并不受到很大的关注.随着经济的迅速发展,人们能够获得的数据频率越来越高,而计算机技术的变革使得储存这些数据成为可能,其成本也在不断降低,尤其是近年来,通讯和网络技术的革命迎来了大数据时代,人们几乎可以轻易捕获金融市场的即时交易数据,这些数据可以以秒甚至更小的时问间隔为单位,对这些高频甚至超高频数据进行数学建模分析和理论研究,在金融计量学和工程学上有着重要的意义.金融市场逐利的根源即为风险,而资产收益过程中的波动率可以很好的揭示风险,所以从利益最大化或者资产保值的根本目的出发,人们都希望可以对金融市场的细节部分做出细腻的刻画,通过对已有波动率的计算来更好的预测即将到来的波动率,所以我们对高频金融数据的研究就集中在对波动率的估计上.本文的主要工作和创新之处可以概括如下：1.基于TSRV计算积分波动率的方法,探讨了存在市场微观结构噪音时三、四次变差情形下的收敛性.2.使用实际股票数据和模拟数据对比试验,通过假设检验的办法呈现了真实金融数据中内生性的存在.