高频金融数据的研究现状及展望摘要：高频数据是现代计量经济学研究的重点与热点，近年来，通过对高频金融数据进行建模分析已有许多新的研究成果出现。本文总结了现有对高频金融数据的研究情况，并着重分析了日内效应的研究。在此基础上，分析现有研究存在的问题，进而展望未来的发展趋势。关键词：高频数据 ARCH 模型 日内效应 超高频数据 一、引言高频数据是随着计算储存工具现代化产生的概念，与原有的低频数据相对，高频金融数据是在开盘时间和收盘时间之间进行抽样的交易数据，主要是以小时分钟、甚至秒为抽样频率的、按时间顺序排列的时间序列，如股票价格、大盘指数、交易数量、交易时间间隔等。在金融市场上，信息连续的影响证券市场价格运动。数据的离散采集必然会造成在不同程度上的信息缺失。因此，数据的采集频率越高，信息的丢失程度就越低。故在现代计量经济研究中，常采用高频、超高频数据，以更加真实的反映研究问题，使研究成果更有现实意义。此外，采用高频金融数据的另一个出发点是有助于理解微观金融市场的结构体系。因为目前学界对于微观金融市场的研究多停留在定性层面，采用高频数据实证研究可以使研究结果更加的有说服性，同时构建起对微观市场运作的研究框架。金融高频数据的主要研究代表是 Andersen，他在 1997 年就证明了 ARCH 模型对于波动性的良好预估。此后 ARCH 模型创始人、诺贝尔经济学奖 2003 年获得者 Engle 的学生 Bollerslev 也和 Andersen 一起做了许多相关研究，如运用GARCH 模型估计标准化收益率的波动率等，成果显著。二、研究现状目前，对于高频金融数据的研究还处于初级阶段，但令人欣慰的是，学界已形成几种研究思路，但在研究方法上大都采用对数据建模分析，模型的采用未推陈出新，均以 1982 年 Engle 提出的针对低频数据的研究方法 ARCH 模型为基础衍生而来，如弱广义自回归条件异方差模型（Weakly GARCH）。常见的研究思路如下：（一）对日历效应的研究日历效应是指股票价格、成交量、买卖价格差等及时交易数据存在着周期性的变化规律。日历效应的存在是对有效市场假说的一种违背，也揭示了市场非有效性的原因。而市场有效假说是尤金·法码（Eugene. Fama）i于 1970 年提出的现代金融学所有模型的基本性假设。该假说认为，证券价格总是可以即时充分地体现可获得信息变化的影响。即在某种极端状态下，不存在基于现在可获信息获取超额利润的机会。日历效应包括月份效...
