金融高频数据由于比低频数据包含了更多的信息而被众多学者广泛关注,而如何准确地测量金融资产收益的波动一直是金融领域研究的核心问题之一,因此如何用高频数据估计波动率则成为备受人们关注的焦点问题.本文主要介绍了分别由Podolskij和Vetter以及Jacod等提出的两种不同的预平均思想,分别将数据分成不重叠的和重叠的区块,用以消除市场微观结构噪声的影响,构造了积分波动的一致估计量以及它们的渐近性质.由于预平均收益可能存在异方差性,促使了我们采用Wild Bootstrap思想来消除异方差.在跳跃行为方面，介绍了跳跃存在下的积分波动的一致估计以及跳跃检验统计量.本文的主要内容安排如下：第一章是绪论,介绍了本文的研究背景、选题意义以及波动率及跳跃的研究现状；第二章则是详细介绍了预平均已实现波动以及它的一阶渐近性质,跳跃检验统计量,并对最优抽样频率的选取进行了分析研究；第三章将Bootstrap理论与预平均已实现波动相结合,在此思想上构造积分波动的置信区间；第四章采用蒙塔卡罗模拟说明Bootstrap可以提高一阶渐近理论的有限样本性质,并结合实证来说明其有效性；第五章则是对本文进行总结,说明存在的不足与未来的研究方向.本文的创新点是对预平均已实现波动进行了全面的总结,并结合我国证券市场真实交易对Bootstrap理论进行实证研究.