在金融领域,不确定的风险即资产收益过程波动是市场逐利的根源,也是金融市场活跃的根本所在.资产收益过程在市场环境中受种种因素影响客观上形成不确定的波动,无论是出于逐利的目的或是资产保值的目的,人们总希望能够对即将到来的波动作出最为理想的预测,尤其在当今,利用先进的计算机技术和存储技术使得高频金融数据越来越容易得到,人们更希望使用对金融市场细节刻画更为细腻的高频金融数据对波动率作出更好的预测.因此,高频金融数据下对资产价格波动的研究越来越为人们所关注.本文的主要工作和创新之处可以概括如下：1.本文针对”日历效应”对波动率的影响这一问题,提出自加权波动的概念,通过自加权函数f来消除”日历效应”对波动率的影响,从而更准确地描述实际波动的特征.并从理论上证明了自加权积分波动率的极限性质,对波动率的应用具有指导意义.2.本文提出用Bayes估计的方法对金融高频数据的波动率进行估计.通过利用以往信息,提出参数的先验分布,并对不同损失函数下的估计结果进行计算比较,从而得出一合理的估计结果.3.在以往高频数据的研究中,观测时间点的选取往往都是等间距的选取.此种方法,首先并不能完全记录高频数据的变化趋势；其次,等间隔的时间点选取并没有考虑“日历效应”等对波动率的影响.本文针对以上问题,运用并改进了非等间隔选取观测时间点的方法.从而最大限度地保持原有数据的特性,使得最终估计出的波动率更加准确可靠.4.金融高频数据中存在着微观结构噪声,并且微观结构误差随抽样频率的增加而增大.本文选用两个时间观测序列,将微观结构噪声带来的误差从波动率估计量中消除掉,从而使估计出的波动率更加真实可靠.