对高频金融时间序列的长记忆性进行系统地分析与深入的研究是数量经济和系统科学学科的一个重要内容，时间序列存在长记忆性意味着有效市场假设不再成立，预测和超额收益将成为可能。中国证券市场作为新兴市场，与国外成熟的资本市场相比有其独特的特点：股价波动频率高、波动幅度大，波动聚集效应明显等等。因此，对中国股市长记忆性的研究具有重要的理论价值和实际意义。论文研究了基于高频时间序列非参数波动建模及其长记忆强度的度量问题，并希望通过对中国股市的长记忆性以及强度分析，为正确认识中国股票市场的变化规律提供帮助。　　 实证发现：金融资产收益波动是时变和高持续的。我们一般用两种方法用来模拟波动：其一是依赖于清晰的函数假设的参数方法，例如ARCH、GARCH和SV模型，然而，大部分的隐含波动模型在刻画典型事实的方面略显的苍白无力，同时也很难得到参数估计的正确分布；而另一类非参数方法却能解决以上问题，非参数方法不会被具体的参数假设所影响，因此提供了隐含波动的可靠的一致估计，并能够测量无穷小时间域内的波动。对于波动测量的方法，并没有一致的论断，我们认为已实现方差作为一种良好的测度方法，即是在某个样本区间内，可得到的无叠加的日内高频平方收益的总和。利用日内收益的观察值，已实现波动是真实波动一致的、近似的无偏估计，对于高频数据的低频波动现象，这种方法能够更好地汇集波动序列的细节信息。为了理解在金融时间序列中长记忆性的相关机制，我们采用了非参数波动估计一已实现波动、已实现极差和已实现双幂次变差来分析和比较不同时间尺度的长记忆特性。所有的这三种非参数波动都是日内平均收益方差的无偏估计。　　 文中，我们运用了沪深指数分析了非参数波动（已实现波动、已实现极差波动和已实现双幂次变差波动）长记忆的来源和特性。利用重标极差法和去势波动分析研究不同非参数波动在不同样本频率下的特征，我们的结论是：对于相同的波动序列，长记忆指数随着采样频率的增加而逐渐减少，但都大于0.5，这就意味着无论采样频率怎么改变，都不能改变波动序列存在长记忆性这一事实。对于不同的非参数波动序列，已实现极差的长记忆指数随着时间的间隔的增加衰减的最慢，其次是已实现波动，而已实现双幂变差衰减的最快。