当今金融市场研究中,各种标的资产的收益率的内在波动是一个受到广泛关注的研究点。因其是隐藏在标的实际资产价格变化之下的隐含变量或者过程,研究者无法直观得到其变化式样的规律及特征。对于内在波动的建模工作,历史的研究中涌现出了众多的理论模型如随机波动模型和GARCH族模型等等。但这些模型中多存在参数假设等前提,会损失大量的数据信息。计算机技术的革新带动了金融高频数据的迅速发展,提供了高效丰富的信息资源使我们可以采用新型的统计方法将内在波动进行建模。观测数据时间间隔的不断缩小也使我们自然而然地联想到应用函数数据分析方法。函数数据分析涵盖了一系列基于连续型数据的分析工具如样条基展开、局部线性回归、函数主成分分析、函数自回归模型等,在隐含波动的建模上具有模型假定少、信息损失量小、使用灵活等优点,非常适合于金融高频数据的分析研究。本文将以上海证券交易市场上的中国石油(601857)的对数收益率绝对值作为研究数据,通过一系列的函数数据分析手段进行日内收益率波动轨迹的抽取,其中包括离散数据的函数化、提取观测的主成分函数并解释其意义、通过主成分函数与各样本的主成分得分计算波动轨迹函数以求最终建立一个函数型的一阶自回归模型从而达到通过历史数据信息预测未来隐含波动式样的目的,相应的参数估计将采用函数数据分析下的最小二乘估计。我们将分别采用基样条展开和局部线性回归两条研究路径进行波动轨迹的抽取,并会对抽取出来的波动轨迹函数特征进行比较。结果表明使用函数数据分析方法对波动进行的分解建模可以较为准确地描绘日内收益率的时变特征,尤其是日内收益率波动沿着时间轴的变化方向及式样,能够为股票收益率的波动建模和预测提供较为有效可靠的依据。