La tecnología de la información y comunicación ha permitido la recopilación de datos de series temporales de activos financieros de alta frecuencia. Sin embargo, la naturaleza de alta resolución espacial y temporal de estos datos dificulta la comparación de patrones de características de activos financieros e identificar el riesgo. Para abordar este desafío, se propone un método para el cálculo de la volatilidad realizada basado en el análisis de datos funcionales (FDA). Se construye una curva funcional tiempo-precio mediante el método de análisis de datos funcionales para calcular la volatilidad realizada como la integral de curvatura de la curva funcional tiempo-precio. Este método podría eliminar efectivamente la interferencia del ruido de la microestructura del mercado, lo que no solo permitiría descomponer el precio del activo de capital en un término continuo y un término de ruido mediante convergencia asintótica, sino que también podría desacoplar el ruido de la serie temporal discreta. Además, podría obtener el valor de volatilidad en cualquier momento dado, sin preocuparse por las correlaciones entre problemas de muestreo de frecuencias mixtas repetidas y desiguales intervalos, y relajar las restricciones estructurales y la configuración de distribución de la adquisición de datos. Para demostrar nuestros métodos, analizamos un conjunto de datos de activos financieros a nivel de segundo. Además, se realiza un análisis de sensibilidad sobre la selección de la muestra no equiespaciada, y agregamos ruido adicional para garantizar la robustez de nuestros métodos y discutir sus implicaciones en la práctica, especialmente siendo propicios para un análisis micro más detallado de la volatilidad del mercado financiero y comprender los cambios rápidamente cambiantes.