第２卷第３期 襄樊职业技术学院学报 Ｖｏｌ． ２， Ｎｏ． ３万方数据２００３年６月Ｊｏｕｒｎａｌ ｏｆ Ｘｉａｎｇｆａｎ Ｖｏｃａｔｉｏｎａｌ ａｎｄ Ｔｅｃｈｎｉｃａｌ ＣｏｌｌｅｇｅＪｕｎ ２００３． １＾－５论金融计量学研究的几个发展方向万力，郭兴义（中国人民大学统计学系，ＡＬ京１００８７２） 摘要：金融计量学的发展主要围绕着对价格和市场假设放宽的最优投资和定价问题展开，目前超高频数据分析正逐渐成为一个最新的进展方向。采用Ｃａｍｐｂｅｌｌ等人的计量分析框架，以金融市场作为研究对象，在一定的证券价格过程和市场假设下，从交易者角度研究如何进行最优投资和资产定价是一条有效的途径。关键词：金融计量学；ＧＡＲＣＨ；资产定价；ＥＭＨ中图分类号：Ｇ７１９． ２１文献标识码：Ａ文章编号：１６７１－９１４Ｘ（２００３）０３ －０００１－０５ 金融计量学（Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ）通常是指投资策略问题的基本分析框架。而最优的资产定价对金融市场的计量分析。这里的“计量分析”，从广无非是不能给其他交易者有套利的机会，也即无套义上看不仅包括对金融市场中各种交易变量（如价利定价（当然如何更宽泛地定义无套利是目前重要格、交易量、波动率等）进行相应的计量分析和建模，的研究领域）。Ｋａｒａｔｚａｓ ａｎｄ Ｓｈｒｅｖｅ（１９９７）总结了还包含实证金融（Ｅｍｐｉｒｉｃａｌ Ｆｉｎａｎｃｅ）和连续金融这方面的主要研究成果。［１１ Ｈｕｎｔ ａｎｄ Ｋｅｎｎｅｄｙ（Ｃｏｎｔｉｎｕｏｕｓ Ｆｉｎａｎｃｅ）中的主要成果。狭义上仅指（２０００）则侧重于总结定价方面的实证结果。［２１这里对金融市场各个交易变量的计量分析和建模。值得特别提出的一个研究热点领域就是如何确定连本文采用Ｃａｍｐｂｅｌ ｌ等人的计量分析框架续定价模型里的波动率参数问题，特别是如何将已（Ｃａｍｐｂｅｌｌ ｅｔ ａｌ ［１９９７］），仅限于以金融市场作为研有计量模型（如ＧＡＲＣＨ类模型）引人到定价框架究对象，放弃有关宏观经济领域中金融研究的内容中。Ｊｉｎ － Ｃｈｕａｎ Ｄｕａｎ （１９９５）较为成功地得到（如金融分析、金融中介分析等），侧重于从交易ＧＡＲＣＨ离散期权定价公式，并研究相应的模型估者（或称金融市场上的消费者）角度研究各种信用市计问题。［３１有关这方面的文献可参见Ｇｕｏ（２００１），场（如股票市场、外汇市场等）的内部结构和运作规Ｓｕｎｄａｒｅｎｓａｎ（２００１）综述Ｔ最新的整个连续金融领律。具体而言，就是在一定的证券（如股票、外汇、期货等）价格过程和市场假设下（下文简称价格和市场域研究成果。［４１ 对上述市场假设而言，对它的修正和改进产生假设），研究如何进行最优投资和资产定价。了两个重要的研究领域：行为金融和不完全市场研一、市场假设的拓展究。Ｓｈｉｌｌｅｒ和Ｓｕｍｍｅｒ在行为金融领域做了开创性的工作，他们假设如果交易者是非理性的或具有怪 市场假设主要包括三个方面：交易者效用函数异的效用函数，如果市场存在有限套利（（ｌｉｍｉｔｅｄ ａｒ－（如ＨＡＲＡ型）、市场均衡与无套利假设（如完全市ｂｉｔｒａｇｅ），即由于市场交易费用或制度的存在场）、和市场摩擦假设（如完美市场）。从Ｍａｒｋｗｉｔｚ使得交易者无法对任何套利机会都可以实施套利，的均值一方差分析到Ｍｅｒｔｏｎ的连续跨期投资模型，然后去研究交易者在这种市场中如何进行最优资产详细地给出了在不断放松的价格和市场假设下最优配置和定价。Ｓｈｉｌｅｉｆｅｒ（２０００）初步系统化已有主要收稿日期：２００３－０３－１７作者简介：万力（１９７１－），男，河南信阳人，中国人民大学统计学硕士研究生，主要从事风险控制管理研究；郭兴义（１９７６－）， 男，安徽巢湖人，中国人民大学统计学博士研究生，主要从事金融计量分析研究．襄樊职业技术学院学报２００３，２（３）行为金融方面的研究成果。［６７不完全市场的研究可能永远都会是金融领域的研究热点，因为理论模型不可能完全与现实相吻合。Ｖａｙａｎｏｓ模型是近年来研究带交易费用的最优资产配置比较有影响的模需要强调的是，上述检验文章都是依赖较低频（主要以月度数据为主）的交易数据库，而不同的数据库是完全可以得到迥然不同的结论的。Ｃａｍｐｂｅｌｌ（２０００）也发现了收益率的预测性在较低频数据中的表现要比较高频数据显著的多，比如用Ｄ／Ｐ比来预测的型；Ｃｏｘ－ Ｈｕａｎｇ定理给出了用轶表示定理替代一万方数据般随机动态规划的方法来研究不完全市场中的资产配置问题新方法。Ｃｕｏｃｏ等人研究了在劳动收人与证券组合交易（如卖空）情形下的消费一投资问题。需特别强调的是，Ｂｌａｃｋ（１９９３）最早研究了在连续框架下的内部交易人（ｉｎｓｉｄｅｒｓ）的交易策略问题，这显然试图将微结构理论与不完全市场的研究结合起来。［６］二、价格假设的检验和拓展价格假设中最重要的莫过于ＥＭＨ（有效市场 假设）。正如Ｓａｍｕｅｌｓｏｎ所言，如果金融经济学是社会科学王冠上一个明珠的话，那么ＥＭＨ将占去它一半的光彩。与ＥＭＨ相联系的就是对价格过程的随机游走假设（ＲＷＨ）和鞍假设，这两种假设都是刻画价格过程一阶矩的不可预测性的。尽管Ｒｅｌｏｙ和Ｌｕｃａｓ非常经典地构造了一个满足ＥＭＨ，但不满足ＲＷＨ的理论模型，在成熟市场（如美国信用市场）人们一般还是将ＲＷＨ作为ＥＭＨ存在的一个重要检验形式，但在中国这样的新兴市场，这两者之间存在巨大差距（这点在国内实证研究中很少涉及到）。这里以成熟市场而言，并仅对弱性ＥＭＨ进行 讨论（理论和实证上，三种形式的实证检验形式是截然不同的！）。如从待检的单个证券的收益率变量出发，主要集中检验它是否满足ＲＷＨ， ＲＷＨ隐含着收益率序列的不可预测性（仅对一阶矩而言）和等间隔等方差性。从收益率可预测性的实证分析来看，人们已经分别从不同的市场因子得到了对当前收益率的有效预测，如滞后收益率、Ｄ／Ｐ比（Ｄｉｖｉｄｅｎｄ／Ｐｒｉｃｅ）， Ｅ／Ｐ比（Ｅａｒｎｉｎｇｓ／Ｐｒｉｃｅ）、市净率（Ｂｏｏｋ － ｔｏ一ｍａｒｋｅｔ ｒａｔｉｏｓ）、利派率（Ｄｉｖｉｄｅｎｄ ｐａｙｍｅｎｔ ｒａｔｉｏ） ；近年来，有些学者开始寻找股票市场以外的预测因子，如Ｂａｒｋｅｒ ａｎｄ Ｗｕｒｇｌｅｒ从新的融资结构；Ｌａｔｔａｕ和Ｌｕｄｖｉｇｓｏｎ从收人与财富的消费比例；Ｌａｔｔａｕ和Ｌｕｄｖｉｇｓｏｎ从商业周期循环的角度等。这里不再论述那些关于滞后很长时间（如２－３年）的均值回复（Ｍｅａｎ－－ ｒｅｖｅｒｔｉｎｇ）行为的研究。其实在对收益率序列的预测性进行检验时，ＲＷＨ认为序列增量是的，所以一般都去检验序列增量部分的相关性。话，用月度数据与用年度数据和两年度数据相比，可预测性部分由２％提高到１８％和３４写。所以高频数据的分析在这个领域也是必不可少的。［＇３ Ｈｅａｔｏｎａｎｄ Ｌｕｃａｓ的最近研究结果表明收益率在不同频率的数据下都存在可预测性部分。对收益率可预测性检验还可以从多变量角度出 发，也就是收益率的横截面数据分析。对实证而言，如果能够构造一种交易策略，能比较显著地获得额外收益（与利息率相比），都将对ＥＭＨ构成挑战，因为它“打败Ｔ市场”（Ｂｅａｔ ｔｈｅ Ｍａｒｋｅｔ）． ＤｅＢｏｎｄｔａｎｄ Ｔｈａｌｅｒ（１９８５）发现了目前良好或极差的证券在３６个月后都会有相反的表现，他们把这归因于交易者的过度反应（Ｏｖｅｒｒｅａｃｔｉｏｎ）。 ［ｅ７ ＩＬ年后，Ｃｈｏｐｒａ ｅｔａｌ等在考虑市场风险和规模效应的情况下，再次证实他们的发现。由ＤｅＢｏｎｄｔ ａｎｄ Ｔｈａｌｅｒ的发现就可以构造一个Ｃｏｎｔｒａｒｉａｎ策略—即卖出目前表现良好的证券，买进表现差的证券，那么在３６个月后一定能获得超额利润（相对利息率而言）。Ｆｒａｎｋｅｌ等进一步解释这种Ｃｏｎｔｒａｒｉａｎ策略存在的原因。Ｊｅ－ｇａｄｅｅｃｈ ａｎｄ Ｔｉｔｍａｎ（１９９３）发现另外一种非常奇怪的“ｍｏｍｅｎｔｕｍ ｅｆｆｅｃｔ＇，现象，就是在过去３一１２个月中具有高收益的证券未来趋于表现差。相应地就可以构造一种ｍｏｍｅｎｔｕｍ交易策略。［９］目前对这一现象讨论得非常激烈，Ｒｏｕｗｅｎｈｏｒｓｔ实证了国际金融市场上的ｍｏｍｅｎｔｕｍ交易策略广泛存在性；Ｍｏｓ－ｋｏｗｉｔｚ ａｎｄ Ｇｒｉｎｂｌａｔｔ意图从公司的产业背景来解释ｍｏｍｅｎｔｕｍ现象；Ｃｈｕｉ ｅｔ ａｌ从产权结构加以让释；Ｊｅｇａｄｅｅｃｈ ａｎｄ Ｔｉｔｍａｎ（２０００）评价了各种对ｍｏｍｅｎ－ｔｕｒｎ现象的解释理论，再次证实了ｍｏｍｅｎｔｕｍ策略赢利性。［１０〕有趣的是，学者Ｈｏｎｇ后来得到上述两种奇异现象的统一的理论模型。如果从横截面分析的公共因子的角度来看，Ｆａｍａ ａｎｄ Ｆｒｅｎｃｈ因子模型是这方面研究的基础，目前因子模型讨论的文章很多，最新的进展可参见Ｔｉｔｍａｎ ａｎｄ Ｘｉｅ（２０００）等。对收益率的建模研究一直在计量经济学占据很 重要的位置。显然对于一阶矩的刻画是比较容易的，所以人们将注意力都放在了对二阶矩的建模上。也就是对收益率波动率的计量建模。正如Ｂｏｌｌｅｒ－ｓｌｅｖ（２００１）所言，［＂ｌ ＡＲＣＨ模型和ＧＭＭ估计是过２００３，２（３）万力，郭兴义：论金融计量学研究的几个发展方向去２０年内金融计量学发展中最重大的创新。目前所有的波动率模型中，ＡＲＣＨ类模型无论从理论研究的深度还是从实证运用的广泛性来说都是独一无二的，尽管还有一些如ＳＶ模型，Ｓｗｉｔｃｈ－ｒｅｇｉｍｅ模比较好的文献综述有Ｂｏｌｌｅｒｓｌｅｖ ｅｔ ａ１（１９９琴）。这里型等较为重要的波动率模型。目前对这方面的工作特别指出两个重要的研究成果：其一是Ｄｒｏｓｔ ａｎｄ性的进展，特别在处理“维数祸根”方面几乎是一筹莫展，也可以说正由于此，多元模型的研究一直处于停顿状态，但多元模型的实际经济意义不言自明。高频数据模型的迅速发展使一元模型找到了新的发展领域，一是因为目前计算机的能力和数据的可获得性已为高频模型发展提供了条件，二也的确为现实市场参与者所需要，与之密切相关的是另一个欣Ｎｉｊｍａｎ（１９９３ ）建立的基于不同频率数据上的弱ＧＡＲＣＨ模型的一致性结果，开始从理论上讨论如果数据频率改变的话，所建立ＧＡＲＣＨ模型之间的内在关系。［１２〕第二是Ｎｅｌｓｏｎ （１９９０）所建立的ＧＡＲＣＨ模型的随机微分方程（ＳＤＥ）描述的极限形式和此后Ｎｅｌｓｏｎ又证明了即使ＧＡＲＣＨ模型不是真实的数据产生模型，也会得到一致的波动率估计。［＇３３ Ｎｅｌｓｏｎ的结果一方面针对ＧＡＲＣＨ的稳健性，另二方面也为研究离散计量模型与ＳＤＥ刻画的连续模型之间联系提供一个研究框架。这两个结果直接和ＧＡＲＣＨ模型在高频数据中运用有着直接的关系。附带提一下，一般而言ＧＡＲＣＨ模型都是对日数据建模最为合适，Ｅｎｇｌｅ（１９８２）最初使用建模数据是英国季度通货膨胀。［ｌａ］ 与Ｅｎｇｌｅ（１９８２）同一年在同一杂志（Ｅｃｏｎｏｍｅｔ－ｒｉｃａ）上发表的Ｈａｎｓｅｎ （１９８２）提出ＧＭＭ估计，［１６］尽管最初它只是一篇理论性的文章，但到现在ＧＭＭ估计已成为计量经济学（特别是金融计量学）中最重要的估计方法之一，主要原因在于ＧＭＭ估计不要求变量分布函数形式同时又能给出较精确的估计。在ＧＭＭ基础上，Ｇｏｕｒｉｅｒｏｘ ｅｔ ａｌ提出了间接推断的估计方法；Ｇａｌｌａｎｔ ａｎｄ Ｔａｕｃｈｅｎ提出有效矩估计方法（ＥＭＭ）， ＥＭＭ估计已经被Ｓｉｎｇｌｅｔｏｎ和Ｇａｌｌａｎｔ等学者成功地用于对连续股价模型的参数估计领域，Ｔａｕｃｈｅｎ （２００１）给出Ｔ一个简短的ＥＭＭ总结。［＇６］ Ｂｏｌｌｅｒｓｌｅｖ（２００１）认为这ｎ种估计方法将是以后金融计量学（特别是高频数据建模估计）中起到支柱性的作用。［１７１ 最新的波动率模型有Ｂｏｕｄｏｕｋｈ等人提出的ＨＹＢｉｒｄ模型、Ｅｎｇｌｅ和Ｍａｎａｇａｎｅｌｉ的ＣＡＶｉａＲ模型、Ｍｃｎｉｅｌ和Ｆｒｅｙ的尾部极值模型等。现在还不清楚这几种模型与ＧＡＲＣＨ类模型之间在ＡＲＣＨ特征刻画方面到底差多少。在对波动率未来的建模研究中，有两个重要的发展方向：多元模型与高频模型的建立、估计检验以及其他性质研究。Ｅｎｇｌｅ（２００１）也着重强调了这个发展方向。［１８〕的确在过去的金融计量学中，多元ＧＡＲＣＨ模型一直没有突破万方数据欣向荣的金融研究领域：市场微结构理论—一个以研究市场价格形成过程为目的的研究领域。三、超高频数据分析对于象年度、 月或周等较低频率的数据而言，数据的采集时刻和其在相应的计量模型中所代表的时间是可以完全一致的。但对于日数据就不太可能了，比如每周有两个休假日（无交易数据），所以上周五交易日的数据和下周一的数据实际是相差了两个交易日，不同于其他相邻交易日数据之间的时间间隔。如果象在中国市场上碰上“五一”、“十一”等长假，那前后交易数据之间间隔时间就相差更大了。可以把这称之为“模型时间与实际时间的不一致性”。对于日内数据而言，这种不一致性就进一步“恶化”了，即使在日内交易数据之间也会出现这种不一致性。而对于超高频数据，还会产生另外一种时间的不一致性：“数据时间和交易时间的不一致性”，也就是说，同一时刻的交易可能会因为交易系统或数据传输等原因从而在不同的时刻发布出去；而不同时刻的交易也可能在同一时刻被合并称同一数据被发布。而这些都造成超高频数据的交易不等间隔的随机性，所以也可称超高频数据是一组在随机时刻发生的不等间隔交易数据，这就构成了超高频数据的首要数据特征。它的第二大特征在于其数据的取值离散性。一般我们在处理价格过程时，都是假设其为连续变量，从而等价变换成对收益率过程进行考察。但在超高频数据中，一般每次的价格变化都是离散取值的，而且象ＮＹＳＥ市场都显著集中在１／８￥附近（Ｈａｒｒｉｓ［１９８６］ １９８６），显然这就需要一种能够刻画这种价格离散状态（Ｐｒｉｃｅ ｄｉｓｃｅｔｅ－ｎｅｓｓ）的特别计量模型。随机交易间隔效应是目前比较活跃的领域， Ｄｉ－ａｍｏｎｄ ａｎｄ Ｖｅｒｒｅａｈｉａ（１９８７）、Ｅａｓｌｅｙ ａｎｄ Ｏ＇Ｈａｒａ（１９９２）是较早涉足这个领域的代表性文献。［１Ｂ］ ［２０１Ｄｉａｍｏｎｄ ａｎｄ Ｖｅｒｒｅａｈｉａ（１９８７）将交易随机间隔与市场信息传递联系起来，实证表明较长的交易间隔总襄樊职业技术学院学报２００３．２（３）万方数据会与一个坏信息的发布有关。Ｅａｓｌｅｙ ａｎｄ Ｏ＇Ｈａｒａ（１９９２）进一步认为长的交易间隔还会与无信息发布有关，同时交易的频率也直接与知情交易者的数量有关。Ｅａｓｌｅｙ等人后来还继续讨论了随机交易间隔的经济学意义，特别从市场信息和监管者的制定角度出发，探讨了如何利用制造市场上的随机交易间隔特征来引导和控制市场的交易情况，在此基础上，Ｅｎｇｌｅ ａｎｄ Ｄｕｆｏｕｒ（２０００）进一步讨论随机交易间隔在整个价格形成过程中的效应以及在价格对交易进行影响过程中的作用。 目前对于不等间隔的高频数据建模主要就是从对随机交易间隔刻画人手，进而提出ＡＣＤ模型（Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｃｏｎｄｉｔｉｏｎａｌ Ｄｕｒａｔｉｏｎ Ｍｏｄｅｌｓ）。Ｅｎｇｌｅ．在ＡＣＤ模型的研究中所起作用等同于他对ＡＲＣＨ模型发展的贡献。更确切地说，Ｅｎｇｌｅ（２０００）可以看作是对超高频数据计量分析的宣言书，Ｇｈｙｓｅｌ等其他著名学者都给予了积极的回应。ＡＣＤ模型的雏形形成于Ｅｎｇｌｅ ａｎｄ Ｒｕｓｅｌｌ １９９４年的讨论稿，后来完善于在Ｅｃｏｎｏｍｅｔｒｉｃａ上发表的Ｅｎｇｌｅ ａｎｄ Ｒｕｓｅｌｌ （１９９８ ）。他们直接的思想是在原有的ＡＲＣＨ模型的框架下，用一个标记点过程（ｍａｒｋｅｄ ｐｏｉｎｔ ｐｒｏｃｅｓｓ）去刻画随机交易间隔，不同的点过程假设自然就得到了不同的ＡＣＤ模型。Ｅｎｇｌｅ和Ｒｕｓｅｌｌ后来利用ＡＣＤ模型比较漂亮地完成对交易频率等实时交易变量的预测。Ｅｎｇｌｅ和Ｌａｒｇｅ则在测量和预测市场流动性方面采用ＡＣＤ模型的思想和技术。在最近两年里对ＡＣＤ模型的研究正在不断深人。Ｅｎｇｌｅ和Ｌｕｎｄｅ提出了引人价格和交易量的二元ＡＣＤ模型。Ｒｕｓｅｌｌ和Ｅｎｇｌｅ将类似门限的思想引人后，提出了一种非线形的ＡＣＤ模型，他们的模型后来被Ｚｈａｎｇ进一步给予了拓展。其实这些ＡＣＤ模型的发展极似当年ＡＲＣＨ模型的发展。当然没有ＡＲＣＨ模型当年在计量学界反应那么强烈，但已有一些知名的计量学家接受了Ｅｎ－ｇｌｅ的ＡＣＤ建模思想，Ｇｈｙｓｅｌｓ等人提出了一种ＳＶＤｕｒａｔｉｏｎ模型，并在Ｇｉｏｔ对这种模型的经济学意义给予了进一步的阐述。正如前面所讨论那样，现实的市场机制很难满 足对交易变量的连续性假设，比如ＮＹＳＥ股价最小变动单位为１／１６￥，这是从１９８７年股灾后由１／８￥调整后一直维持到现在，中国深沪两市的最小变动单位是０．０１￥。显然这就使得股价变动不可能以比最小变动幅度更低的间隔进行变动。这必然会造成股价的离散取值。Ｈａｒｒｉｓ发现ＮＹＳＥ中的股价变动多集中于１／８￥处，也就是说，如果现在股价为５０１／８￥处，那下一次的股价大多是５０￥或５０１／４￥。Ｃｈｒｉｓｔｉｅ ａｎｄ Ｓｃｈｕｌｔｚ（１９９４）给出Ｔ更为详尽的实证结果。如他们发现股价变动幅度是１￥的倍数比１／２￥的多，而１／２￥的倍数又比１／４￥的多；偶数的１／８￥变动比奇数的１／８￥变动要多等等现象。他们把这些现象归结于做市商为了保持较大的买卖价差而作的人为的市场调整。这些有趣的实证现象引起了许多学者和实际工作者们的积极讨论，所有这些都表明了价格的离散取值越来越具有其自身的经济意义。比如最小价格变动幅度的变换对市场有什么影响？这个问题极易被人们忽视，但是触及到一些市场本质的价格发现和市场机制设计问题，具有很大的理论和实务价值。学者Ｃｏｎｎｅｈ认为降低最小变动幅度可以增加市场流动性，从而降低市场买卖价差，促进市场竟争。而Ｈａｒｒｉｓ则认为这只能对流动性需求者有益，但有损于流动性的提供者，因为买卖价差的缩小自然会打击那些流动性提供者（如交易商、做市商等）的供给动机，这就涉及一个市场深度问题。Ｒｉｃｋｅｒ等分析了ＮＹＳＥ的情况，认为认为最小价格变动幅度下降２％同时会造成３８％一４５％的市场深度，从而提高了那些低价位股票的市场流动性。Ｖａｎ Ｖｅｓｓ ｅｔ ａｌ综合分析了ＮＹＳＥ， ＡＭ－ＥＸ和Ｎａｓｄａｑ的市场情况。最近Ｇｏｌｄｓｔｅｉｎ和Ｋａｒａｊｅｃ：等人进一步用ＮＹＳＥ的限价指令数据分析最小价格变动幅度对市场微结构各个方面的冲击影响，基本和前面的结果一致。这些只是价格离散取值经济意义的一个方面。另外，在市场机制设计、价格发现等方面的研究有着越来越大的影响。四、金融计盆学的未来发展 从上面对金融计量学基本的框架分析中，我们粗略可以感受到金融计量学的两大特点：一是其实证性，也就是要知道目前市场是什么样子以及它是如何演变成这个样子的；二是其模型化，通过计量模型的建立可以更加精确地刻画目前的市场状况从而预测未来金融市场的发展变化。在微结构理论中，这两点都得到了充分的体现。如果说ＧＡＲＣＨ模型是在说明价格过程伴随的波动率是什么样子的话，那么微结构理论的核心在于探索已有的价格过程是如何形成的。市场机制设计、不同类型交易者（如Ｉｎｓｉｄｅｒｓ， ｉｎｆｏｒｍｅｄ ｔｒａｄｅｒｓ， ｎｏｉｓｅ ｔｒａｄｅｒ）对市场价格的影响等都是微结构理论的重要研究内容，显２００３，２（３）万力，郭兴义：论金融计量学研究的几个发展方向然高频数据分析是该领域重要的研究工具。Ｏ＇Ｈａｒａｃｉｅｎｃｙ ［Ｊ］． ｏｆ Ｆｉｎ．，１９９３． （１）：６５．（１９９５）是第一本也是目前唯一比较系统地论述一些ｒ．Ｌ１１０￣ＩＪＪｅｇａｄｅｅｓｈ Ｎ．，Ｓｈｅｒｉｄａｎ Ｔｉｔｍａｎ． Ｐｒｏｆｉｔａｂｉｌｉｔｙ ｏｆ Ｍｏ－比较成熟理论成果的专著。微结构理论其实还是属ｍｅｎｔｕｒｎ Ｓｔｒａｔｅｇｉｅｓ： Ａｎ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ａｌｔｅｒｎａｔｉｖｅ Ｅｘ－于金融计量学的价格假设范畴，它对资产配置与定ｐｌａｉｎａｔｉｏｎｓ ［Ｊ］． ｏｆ Ｆｉｎ， ２０００， Ｆｏｒｔｈｃｏｍｉｎｇ．ｌｅｅ１Ｆ－价理论有什么影响呢？Ｏ＇Ｈａｒａ认为这正是未来微一１．１占ＪＢｏｌ ｌｅｎｓｌｅｗ Ｔ．． Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ： ｐａｓｔ ｄｅｖｅｌｏｐ－结构理论发展的重要方向，她甚至还指出微结构理ｍｅｎｔ ａｎｄ ｆｕｔｕｒｅ ｃｈａｌｌｅｎｇｅｓ ［Ｊ〕．ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ，２００１，（１）：４１． 论与公司财务、宏观福利经济学等之间联系也是重一．Ｌ，．勺｝‘工．．． Ｄｒｏｓｔ Ｆ．，Ｎｉｊｍａｂ Ｔ． Ｅ． ． Ｔｅｍｐｏｒａｌ Ａｇｇｒｅｇａｔｉｏｎ ｏｆ要的研究方向。ＧＡＲＣＨ Ｐｒｏｃｅｓｓ ［Ｊ ］． Ｅｃｏｎｏｍｅｔｒｉｃａ． １９９３，（４）：在这个分析框架下， 我们将会发现，对金融市场９０９． 上（超）高频数据的研究对金融市场的计量建模、实Ｌ．１Ｊ１八Ｊ一ＩＪ Ｎｅｌｓｏｎ Ｄ＿． ＧＡＲＣＨ Ｍｏｄｅｌｓ ａｓ ａ Ｄｉｆｆｕｓｉｏｎ Ａｐｐｒｏｘｉ－证金融、乃至连续金融都将产生巨大的挑战和冲击，ｍａｔｉｏｎｓ ［Ｊ］． ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ． １９９０， （１）：７．从而也加速了各个研究领域的融合。ｌ．Ｌ．．上乙ｌｅｓ．Ｊ Ｅｎｇｌｅ Ｒ．． Ａｕｔｏｒｅｇｓｓｉｎｅ ｃｏｎｄｉｔｉｏｎａｌ Ｈｅｔｅｒｓｋｅｄｅｓｔｉｃｉｔｙｗｉ ｔｈ Ｅｓｔｉｍａｔｅ ｏｆ Ｔｈｅ Ｖａｒｉａｎｃｅ ｏｆ Ｕｎｉｔｅｄ Ｋｉｎｇｄｏｍ Ｉｎ－参考文献：ｆｌａｔｉｏｎ． Ｅｃｏｎｏｍｅｔｒｉｃａ［Ｊ］． １９８２，（４）：９８７．ｌ．Ｌ１占巴〕［１］ Ｋａｒａｔｚａｓ．Ｉ，Ｓ． Ｅ． Ｓｈｅｖｅ． Ｍｅｔｈｏｄｓ ｏｆ Ｍａｔｈｅｍａｔｉｃａｌ Ｆｉ－，．ＪＨａｎｓｅｎ Ｌ． Ｐ．．Ｌａｒｇｅ Ｓａｍｐｌｅ Ｐｒｏｐｅｒｔｉｅｓ，ｏｆ Ｓｅｕｅｒａｌｉｚｅｄｎａｎｃ ｅ ［Ｍ］． Ｎｅｗ Ｙｏｒｋ： Ｓｐｒｉｎｇｅｒ ｐｒｅｓｓ． １９９７．Ｍｅｔｈｏｄ ｏｆ Ｍｏｍｅｎｔｓ Ｅｓｔｉｍａｔｏｒｓ ［Ｊ］．Ｅｃｏｎｏｍｅｔｒｉｃａ．１９８２， （４）：１０２９．．［２］ Ｈｕｎｔ ｐ．Ｊ． ｅ． Ｋｅｎｎｅｄｙ． Ｆｉｎａｎｃｉａｌ Ｄｅｒｉｖｉａｔｉｎｅｓ ｉｎ ｔｈｅｌｅｅ１丹ｂｌｅｓＴｈｅ ｏｒｙ ａｎｄ Ｐｒａｃｔｉｃｅ ［Ｍ］． Ｌｏｎｄｏｎ： Ｊｏｈｎ ｗｉｌｅｙ＆Ｓｏｎｓ‘１ＪＴａｕｃｈｅｎ Ｇ．． Ｎｏｔｅｓ ｏｎ ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ ［Ｊ］． ｏｆＥｃｏｎｏｍｅｔｒｉｃｓ． ２００１，（１）：５７．Ｐｒｅｓｓ． ２０００．－ＩＬ１．１一了飞Ｊ［３］ Ｄｕａｎ Ｊｉｎ－ｃｈｕａｎ． Ｔｈｅ ＧＡＲＣＨ Ｏｐｔｉｏｎ Ｐｒｉｃｉｎｇ ＭｏｄｅｌＢｏｌｌｅｎｓｌｅｗ Ｔ． ． Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ．．ｐａ ｓｔ ｄｅｖｅｌｏｐ－［ Ｊ］． Ｍａｔｈｅｍａｔｉｃａｌ Ｆｉｎａｎｃｅ， １９９５，（５）：１３．ｍｅｎｔ ａｎｄ ｆｕｔｕｒｅ ｃｈａｌｌｅｎｇｅｓ ［Ｊ〕．ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ，［４］ Ｓａｎｄａｒｅｎｓａｎ Ｓ．． Ｃｏｎｔｉｎｕｏｕｓ－ｔｉｍｅ Ｍｅｔｈｏｄｓ ｉｎ Ｆｉｎａｎｃｅ．２００１，（１）：４１．工．Ｌ１一ＯＵＦ－Ｊ Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｅ［Ｊ］． ２０００， （１）：５６．Ｅｎｇｅｌ Ｒ．． Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ－Ａ ｎｅｗ ｄｉｓｃｉｐｌｉｎｅ［５］ Ｓｈｌｅｉｆｅｒ Ａ．． Ｉｎ Ｅｆｆｉｃｉｅｎｔ ｍａｒｋｅｔ： Ａｎ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏｗｉｔｈ ｎｅｗ ｍｅｔｈｏｄｓ ［Ｊ］． ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ． ２００１，（１）：５３．Ｂｅｈａｖｉ ｏｒａｌ Ｆｉｎａｎｃｅ［Ｍ〕．Ｌｏｎｄｏｎ： Ｏｘｆｏｒｄ Ｕｎｉｖ．ｒ Ｐｒｅｓｓ． ２０００．．Ｊ，工Ｏ口一．ＪＤｉａｍｏｎｄ Ｄ．，Ｒ． Ｖｅｒｒｅｃｃｈｉａ． Ｃｏｎｓｔｒａｉｎｔｓ ｏｎ Ｓｈｏｒｔ－［６］ Ｂｌａｃｋ Ｆ． ． Ｒｅｔｕｒｎ ａｎｄ Ｂｅｔａ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ＰｏｒｔｆｏｌｉｏＳｅｌｌｉｎｇ ａｎｄ Ａｓｓｅｔ Ｐｒｉｃｅ Ａｄｊｕｓｔｍｅｎｔｓ ｏｎ Ｐｒｉｖａｔｅ Ｉｎ－ｆｏｒｍａｔｉｏｎ ［ Ｊ〕．Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｉｃｓ．Ｍａ ｎａｇｅｍｅｎｔ， １９９３， （４）：８．［７］ Ｃａｍｐｂｅｌｌ Ｊ． ． Ａｓｓｅｔ Ｐｒｉｃｉｎｇ ａｔ ｔｈｅ Ｍｉｌｌｅｎｉｕｍ ［Ｊ］． Ｊｏｕｒ－１９８７， （１），２２７．ｌ．Ｌ八‘０ｌ月月Ｅａｓｌｅｙ Ｄ．，Ｍ． Ｏ＇ ｈａｒａ． Ｔｉｍｅ ａｎｄ ｔｈｅ Ｐｒｏｃｅｓｓ ｏｆ Ｓｅ－ｎａｌ ｏｆ Ｆｉｎａｎｃｅ． ２０００， （１）：１．】［８］ Ｄｅｂｏｎｄｔ Ｗ．，Ｒｉｃｈａｒｄ Ｔｈａｌｅｒ． Ｄｏｅｓ Ｔｈｅ Ｓｔｏｃｋ Ｍａｒｋｅｔｃｕｒｉｔｙ Ｐｒｉｃｅ Ａｄｊｕｓｔｍｅｎｔ ［Ｊ〕．Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｅ． Ｏｖｅｒｒｅａｃｔ？［Ｊ］， ｏｆ Ｆｉｎ． １９８５，３：７８３．１９９２， （２），５７７．［９］ Ｊｅｇａｄｅｅｓｈ Ｈ．，Ｔｉｔｍａｎ Ｓ．． Ｒｅｔｕｒｎｓ ｔｏ Ｂｕｙｉｎｇ Ｗｉｎｎｅｒｓ（ 贵任编辑杨明珠）ａｎｄ Ｓｅｌｌｉｎｇ Ｌｏｓｅｒ： Ｉｍｐｌｉｃａｔｉｏｎｓ ｆｏｒ Ｓｔｏｃｋ Ｍａｒｋｅｔ Ｅｆｆｉ－Ｎｅｗ Ｆｕｔｕｒｅ Ｄｅｖｅｌｏｐｍｅｎｔｓ ｏｆ Ｆｉｎａｎｃｉａｌ ＥｃｏｎｏｍｅｔｒｉｃｓＷＡＮ Ｌｉ，ＧＵＯ Ｘｉｎｇ－ｙｉ（Ｄｅ ｐａｒｔｍｅｎｔ ｏｆ Ｓｔａｔｉｓｔｉｃｓ， Ｒｅｎｍｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎａ，Ｂｅｉｊｉｎｇ １００８７２， Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｉｒｃｓ ｍａｉｎｌｙ ｄｉｓｃｕｓｓｅｓ ｓｏｍｅ ｑｕｅｓｔｉｏｎｓ ａｂｏｕｔ ｔｈｅ ｍｏｓｔ ｆａｖｏｕｒａｂｌｅｉｎｖｅｓｔｍｅｎｔ ａｎｄ ｐｒｉｃｉｎｇ ｏｎ ｒｅｌａｘａｔｉｏｎ ｏｆ ｐｒｉｃｅ ａｎｄ ｍａｒｋｅｔ ａｓｓｕｍｐｔｉｏｎｓ． Ｎｏｗ ｕｌｔｒａ－ｈｉｇｈ－ｆｒｅｑｕｅｎｃｙ ｈａｓ ｂｅｃｏｍｅ ｔｈｅｌａｔｅｓｔ ｒｅｓｅａｒｃｈ ｆｉｅｌｄ． Ａｄｏｐｔｉｎｇ Ｃａｍｐｂｅｌｌ＇ｓ ｅｃｏｎｏｍｅｔｒｉｃｓ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ， ａｉｍｉｎｇ ａｔ ｒｅｓｅａｒｃｈｉｎｇ ｆｉｎａｎｃｉａｌ ｍａｒｋｅｔ， ｏｎｃｏｎｄｉｔｉｏｎ ｏｆ ｐｒｉｃｉｎｇ ｐｒｏｃｅｓｓ ｏｆ ｂｏｎｄｓ ａｎｄ ｍａｒｋｅｔ ａｓｓｕｍｐｔｉｏｎ， ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ｄｅａｌｅｒｓ， ｔｈｅ ａｕｔｈｏｒ ｓｔａｔｅｓ ｈｏｗ ｔｏ ｒｅａｃｈｔｈｅ ｍｏｓｔ ｆａｖｏｕｒａｂｌｅ ｉｎｖｅｓｔｍｅｎｔ ａｎｄ ａｓｓｅｔ ｐｒｉｃｉｎｇ ｉｓ ａｎ ｅｆｆｅｃｔｉｖｅ ｍｅｔｈｏｄ．Ｋｅｙ ｗｏｒｄｓ二Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ； ＧＡＲＣＨ； ａｓｓｅｔ ｐｒｉｃｉｎｇ； ＥＭＨ万方数据
