高频金融数据波动率的估计在资产定价和金融工程中都发挥着重要的作用。在风险评估中,好的交易策略对获得最近的可靠波动估计和短期估计都非常重要。一般地,随着数据频率的增加,估计波动的难度也随之增加,在风险评估或金融市场中,股票指数和外汇汇率随着频率的增加,随机过程的本质将会改变,自相似性将随着价格的长时间区间移动而被破坏,所以精准的估计短期波动越来越重要。本文主要从高频数据分形特征和波动性两个方面来探究我国股票市场的特征。首先,针对沪深300指数的收盘价格的对数收益率,对其进行经验模态分解(EMD:Empirical Mode Decomposition),得到一系列的固有模态函数(IMF:Intrinsic Mode Function);其次,采用分形理论中的重标极差分析法(R/S:Rescaled Range Analysis)对固有模态函数进行实证研究,得到其Hurst移动平均指数,继而揭示我国股市在2010-2011年间有明显的长记忆性;最后,对分解后的高频固有模态函数进行Hilbert变换,构建波动率的估计形式,并给出了波动率的估计结果,并将其估计的结果与已实现波动率方法的实证结果进行对比分析,相对误差非常小,实验结果表明Hilbert-Huang变换的方法是波动率估计的可靠精准方法之一。