计算机技术的快速发展为金融理论与实务带来了强大生命力,直接体现于金融数据的指数增长模式,也正是在此背景下,基于海量高频数据的金融研究才得以迅速发展和壮大。本文主要对基于量钟的知情交易概率和股票波动性之间的引导关系进行研究,其中,基于量钟的知情交易概率,即VPIN,由Easley、Lopez和O’Hara等人首次提出,是使用高频数据对市场信息不对称程度进行动态刻画的及时指标,股票波动性则通过Anderson和Bollerslev等人首次提出并发展至今的已实现族方差进行描述,本文将分别在第三章和第四章对VPIN和已实现波动的理论体系进行详细介绍和探讨。在对VPIN和股票波动性之间的关系进行实证研究时,本文得到了以下主要结论:首先,VPIN能够对股票市场的异常波动作出提前反应,即在市场“闪跌”或急速拉升之前大部分个股的VPIN都会早于指数波动出现急剧变化;其次,对各只样本股票的VPIN序列和未来1天的已实现族方差序列建立回归方程,发现VPIN对未来波动具有显著解释作用,且回归R方普遍接近10%,其中VPIN对小盘股的解释作用要强于大盘股;最后,使用VPIN作为选股指标可以得到更加低风险的投资组合,本文通过量化技术构建的低VPIN组合已实现族方差均值相对高VPIN组合下降幅度超过60%。