1、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
2、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Bolle
3、rslev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
4、有效假说是尤金法码（Eugene. Fama） Eugene F. Fama (1970), Efficient Capital Markets: A Review of Theory and Empirical Work, Journal of FinanceJ, XXV(2),May,383-417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应、星期效应、周内效应以及日内效应等。之所以会产生日内效应，原因有很多。其一，在新兴的行为金融学流派看
5、来，投资者的偏好与心理因素可能会导致投资行为的一定趋势，进而形成日内效应。其二，从强势有效市场的角度看，新的宏观层面的信息发布会导致股票市场价格的冲击性变化，造成日内效应。其三，股市运作的机制要求股市每天闭市 徐正国，张世英.高频金融时间序列研究: 回顾与展望.西北农林科技大学学报(社会科学版).第五卷第一期，2005年1月，闭市后所有的交易都中止。开市时的及时交易数据都我无法准时获取，亦无法判断市场所需。待次一交易日开盘前，此间发生的突发信息的冲击性和被市场消化的程度都无法准确估计，造成部分业内人士、监管人员得以运用内幕信息获取超额利润，形成典型的日内股价U型走势，即日内效应。研究日内效应的
6、关键在于日内的波动趋势和长期记忆性。对于前者而言，Bollerslev也和Andersen Andersen, T. G. and T. Bollerslev. DM - Dollar volatility: Intraday Activity Patterns, Macroeconomicannouncements, and Longer run dependenciesJ . Journal of Finance, 1998 , 53: 219 265.曾在1996年对德国马克和美元的汇兑市场进行过研究。研究发现，日内效应、ARCH效应等都会对外汇市场五分钟收益率的波动持续性产生不同程度上
7、的影响。对于长期记忆性，高频金融数据都是短期数据，短期一般不存在结构性的变化，但长期即有可能产生长期记忆。通过对高频数据进行研究，在日内效应被消除的基础上，就可以判断长期结构变化的来源是日内效应导致，还是因为市场有效性较低一些市场信息的发布导致时间序列存在结构上的变化。笔者也曾对我国上证指数收益率的日历效应进行研究，采取新上证指数建立后的7年数据，对其日对数收益率建立GARCH模型，发现存在明显的周五和周三效应，这是时间序列本身的特征，而非我国股市的一些外部事件地方突发导致的结构性变化。（二）对“已实现”波动率的研究波动率是衍生金融产品定价的关键，也是分析投资组合风险的重要指标。以往对低频数据
8、的研究已经可以对波动率进行较为准确的预估。但高频数据的出现标志着研究领域的前进，预告着更为精准的预测方法即将出现。近年来，该领域的先锋人物Bollerslev和Andersen便提出了“已实现”波动率这个概念，即把一段时期内的收益率平方和作为波动率的估计值，在一定的条件下，这种“已实现”波动率是不存在测量误差的无偏估计量。而且在操作上因为不存在模型，所以不需要进行参数估计，简便易行。如在2002年，Areal与Taylor Areal. N. M., S. J. Taylor. The realized volatility of FTSE- 100 futures prices. Journ
9、al of Futures arketsJ , 2002,22 (7) : 627 648.一同研究了英国富时100指数中的期货价格“已实现”波动率。在应用方面，在前文提过的日内效应长期记忆特征的基础上，Bollerslev与Andersen两人同Dield一起创立了VAR模型 Andersen T. G. , Tim Bollerslev Francis Diebold, and P. Labys. Modelling and Forecasting Realized Volatility J .Econometrica. 2003, 71 (2) : 579 625.，成为价值风险研究的主
10、要方法。三、当下问题与未来研究趋势高频数据是等时间间隔交易的数据，但在实际市场操作时，往往都是非等时间间隔的。所以高频数据还不足以反映时时交易信息，研究结果也就不够精准。因此，超高频数据应运而生。超高频时间序列记录了每笔交易的全部数据, 包括两类信息: 一类是交易的到达时间; 另一类则包含成交价格、成交量以及买卖价差等。著名的ACD模型便是由Engle和Rusell提出的用于刻画这个随机交易过程的经典模型 Engle R. F., Russell J. R. Forecasting Transaction Rates: the Auto regressive Conditional Durat
11、ion ModelR . N EBR Working Paper 4966, 1994.，也是未来高频数据进一步发展的研究趋势。另外，现在的高频数据研究多以“已实现”波动率作为估计。但实际中不同的资产价格过程中导出的该值必然呈现不同的特征，无法绝对衡量评价，还有待细化标准。此外，对于高频数据的研究国外已经蔚然成风，但在国内却尚未与实际的公司金融、股票市场联系在一起研究。这对于我国的微观金融市场研究是一个启发。未来，可以从微观市场结构入手，考察我国特有的交易规则及投资者特征影响分析，从国情出发，以研究打造出出更适合我国发展的金融体系 郭兴义，杜本峰，何龙灿.(超) 高频数据分析与建模.统计研究. 2002 年第11期.。参考文献
