波动率的建模和预测为管理风险、构建投资组合和定价衍生产品等问题提供了关键信息,波动率是描述金融价格不确定性、度量风险的重要指标。现代经济金融快速发展,市场形势迅猛变化,掌握波动率的实时信息,对金融高频数据的波动率进行研究是必然的。在实际应用中获取的数据,往往是通过舍入得到的,许多研究时常忽略舍入误差的存在。现有波动率文献中,大多仅探究了市场微观结构噪声的影响,实际上,舍入误差对波动率的影响不容忽视,特别是对于高频金融数据。当存在舍入误差时,传统的波动率无法再作为积分波动的一致估计,不能精确估计波动率。本文首先提出,在实际中,舍入数据普遍存在,忽略舍入误差会导致波动率估计产生很大偏差。基于已实现波动率（RV）,着重研究了双频已实现波动率（TSRV）,改进后的双频已实现波动率（TSRV₁）,以及Li和Mykland提出的纠偏后的已实现波动率（RV₁）。比较几种波动率估计量的统计性质,构建其正态置信区间,并做了大量的随机模拟,结果表明RV₁的区间覆盖率表现较好。其次,将波动率估计量与其正态置信区间,应用于实际股票价格数据中,同样发现在不同采样间隔下,RV₁更稳定,受舍入误差的影响较小。实例分析中,波动率估计量是有偏且厚尾的,正态置信区间不再适用。重点借助Edgeworth渐近展开技术,研究了具有显著舍入误差效应的波动率,构建了波动率改进后的置信区间。最后,对Edgeworth改进的置信区间做大量随机模拟和实证分析。本文给出的波动率估计量与传统的已实现波动率估计量相比,更能反映修正舍入误差效应的影响,利用Edgeworth展开,一定程度上改善了置信区间的有效性。