金融计量学与（超）高频数据分析1
郭兴义杜本峰何龙灿
一金融计量学一个初步的分析框架
金融计量学(Financial Econometrics)通常就是指对金融市场的计量分析。这里的“计量分析”不仅包括对金融市场各种交易变量（如价格、交易量、波动率等）进行相应的统计分析和计量建模，还包含实证金融中大量的实证方案和基于随机分析框架下连续金融的主要成果（Campbell et al （1997））。狭义上将仅指对金融市场各个变量参数的计量建模（Bollerslev （2001）、Engle（2001））。象Bollerslev 和Engle他们一直以时序建模为核心致力于对金融市场的计量分析，自然很容易将实证金融和连续金融排斥在金融计量范畴之外，相反以实证见长的Campbell等人是不会同意的。本文将采用Campbell等框架，因为在高频数据分析对金融市场的计量建模、实证金融、乃至连续金融都将产生巨大的挑战和冲击，从而也加速了各个研究领域的融合。当然这里仅限于以金融市场作为研究对象，自然就放弃了有关宏观经济中金融领域方面的研究（如金融政策、金融机构分析等）。侧重于从交易者（或称金融市场上的消费者）角度研究各种信用市场（如股票市场、外汇市场等）的内部结构和运作规律。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（简称价格和市场假设），研究如何进行最优投资和资产定价。经典的价格假设主要指随机游走假设（离散状态）和几何Brown运动（连续情形），由这两个基本假设是可以逐步放松到其他情形的价格假设。市场假设主要包括包括三个方面：交易者效用函数（如HARA型）、市场均衡与无套利假设（如完全市场）、和市场摩擦假设（如完美市场）。从Markwitz的均值-方差分析（Markwitz （1987））到Merton的连续跨期投资模型（Merton（1990））给出了在不断放松的价格和市场假设下最优投资策略问题的基本分析框架。而最优的资产定价无非不能给其他交易者有套利的机会，也即无套利假设（当然如何更宽泛地定义无套利是目前重要的研究领域）。Duffie （1996）、Karatzas and Shreve（1997）、JIA-AN Y AN（1998）比较理论地总结了这方面的主要研究成果。Hunt and Kennedy（2000）则侧重于定价实证方面的结果总结。这里值得特别提出的目前一个重要的研究热点领域就是如何确定连续定价模型里的波动率参数，特别是如何将已有计量模型（如GARCH类模型）引入定价框架中。Jin-Chuan Duan（1995，1997，1999）较为成功地得到GARCH离散资产定价公式，并研究相应的模型估计问题。有关这方面的文献可参见GUO（2001）。Sundaresan（2001）、Campbell（2001）是目前对整个连续金融领域研究最好的文献综述。
模型所依赖的假设似乎是理论工作者的“天敌”，他们一直热衷于对假设的检验和拓展。对上述市场假设而言，对它的修正和改进产生了两个重要的研究领域：行为金融和不完全市场研究。Shiller（1984）和Summer（1986）是两篇行为金融领域开创性的文章，他们假设如果交易者是非理性的或具有怪异的效用函数，如果市场存在有限套利（limited arbitrage），——即由于市场交易费用或制度限制的存在使得交易者无法对任何套利机会都可以实施套利，然后去研究交易者在这种市场中如何进行最优资产配置和定价。Shiller（1999）和Shileifer（2000）初步系统化已有的主要行为金融方面的研究成果。不完全市场的研究可能永远都会是金融领域的研究重点，因为理论模型不可能完全与现实相吻合。Constantinides（1986）、Davis and Norman（1990）、Vayanos（1998）是研究带交易费用的最优资产配置比较有影响的文献；Cox and Huang（1989）提出了一种新的鞅表示定理替代一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。He and Pages（1993）、Cuoco（1997）研究了在劳动收入与证券组合交易限制（如卖空）情形下的消费-投资问题。Shapirol （1998）、Verorresi（1999）和XIA（1999）
1本研究得到中国人民大学应用统计研究中心的资助，特别感谢！
是最近研究不完全市场中资产组合和定价问题的代表作，常被引用。需特别强调的是，Black （1992，1993）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，这显然要将微结构理论与不完全市场的研究结合起来。
对价格假设的检验和建模是现代金融理论最为重要也最为活跃的研究领域。首先价格假设中最重要的莫过于EMH（有效市场假设）（Fama（1970））。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）和鞅假设，这两种假设都是刻画价格过程一阶矩的不可预测性的。当然它们有不同的表现形式（Campbell et al（1997））。尽管Reloy（1973）、Lucas（1978）成功地构造了一个满足EMH的模型，但不满足RWH，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的差距（这一点似乎国内没有多少关注过！）。这里我们以成熟市场而言，并且限制仅对弱性EMH进行讨论（三种形式的检验是截然不同的！）。仅从待检的单个证券的收益率变量2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3。目前已有大量文献结果但一直到现在依然很活跃。Fama and French（1998a）、Poterba and Summers(1988)从滞后收益率中得到了对当前收益率的有效预测；对收益率可预测性的实证分析文章很多，如Campbell and Shiller(1988a)、Fama and French （1988b）、Hodrick（1992）从D/P比（Dividend/Price）；Campbell and Shiller（1988b）从E/P 比（Earnings/Price）；Lewellen（1999）从市场背书比率（Book-to-market ratios）；Lamout（1998）从红利发放比率（Dividend payment ratio）；Nelson（1999）、Barker and Wurgler（2000）从新的融资结构；Campbell（1987）、Hodrick（1992）还从最近的短期利率变化；Lattau and Ludvigson （1999a）从收入与财富的消费比例；Lattau and Ludvigson（1999b）、Fama and French（1989）从商业周期循环的角度等。这里不包括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认为序列增量是独立的，所以一般都去检验序列增量部分的相关性。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（Wood（2000））。Campbell（1999）也发现了收益率的预测性在较低频数据中表现的要比较高频数据显著的多，比如用D/P比来预测的话，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%。所以高频数据的分析在这个领域也是必不可少的。Heaton and Lucas（1999）再次表明收益率在不同频率的数据下都存在可预测性部分。对于高频数据的实证结果我们将在下节介绍。
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“打败了市场”（Beat the Market）。DeBondt and 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）。Chopra et al （1992）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）。Lakonishok et al （1994）、Frankel（1998）进一步解释这种Contrarian 策略存在的原因。Jegadeech and Titman（1993）发现另外一种非常奇怪的“momentum effect”现象，就是在过去3-12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。目前对这一现象讨论得非常激烈。Rouwenhorst（1998）实证了国际金融市场上的momentum交易策
2如果价格是连续性变量，则收益率过程和原来的价格过程是完全一致的。但如果价格只能离散取值的话（后面将介绍），那两者就完全不同了，
3如两周收益率的方差在RWH假设下应是一周收益率的方差的两倍。
略广泛存在性；Moskowitz and Grinblatt（1999）意图从公司的产业背景来解释momentum现象；Chui et al（2000）从产权结构加以诠释；Jegadeech and Titman（2000）评价了各种对momentum 现象的解释理论，再次证实了momentum策略赢利性。有趣的是，Hong（1999）居然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（1992，1993）建立的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Fama and French（1998）、Rouwenhorst（1999）、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单从模型角度而言是没有什么意义的，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Bollerslev（2001）所言，ARCH模型和GMM估计是过去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模型等较为重要的波动率模型。目前比较好的文献综述型文章有Bollerslev et al （1992）、Engle（1995）、Ghysels et al（1998）和Shephard（1996）。这里需要特别指出两个重要的研究成果：其一是Drost and Nijman（1993）、Drost and Weker（1996）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。第二是Nelson（1990）所建立的GARCH模型的SDE描述的极限形式和Nelson（1996a，1996b）证明了即使GARCH模型不是真实的数据刻画模型，也会得到一致的波动率估计。Nelson的结果一方面针对GARCH的稳健性，另一方面也为也为离散计量模型与连续SDE刻画的模型之间联系提供一个研究方法。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GARCH模型都是对日数据建模最为合适，Engle（1982）用的英国季度通货膨胀数据建模。与Engle（1982）同一年在同一杂志（Econometrica）上发表的Hansen（1982）提出GMM估计，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(1993)提出间接推断的估计方法；Gallant and Tauchen（1996，1998）提出有效矩估计方法（EMM）。EMM估计在Singleton（1999）、Gallant et al（1999）得到了很好的估计结果，Tauchen（2001）给出了一个简短的EMM总结。Bollerslev（2001）认为这几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。
最新的波动率模型有Boudoukh et al（1998）的HYBird模型、Engle and Managaneli（1999）的CA ViaR模型、和Embrechts et al（1997）、Mcniel and Frey（2000）的尾部极值理论估计等。现在还不清楚这几种模型与GARCH类模型的之间在ARCH特征刻画方面到底差多少。在波动率模型未来的研究中，显然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。的确在过去的金融计量学中，多元GARCH模型一直没有突破性的进展，特别在处理“维数祸根”方面几乎是一筹莫展，也可以说正因于此，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的不言自明的。高频数据模型的迅速发展使一元模型的找到了新的发展领域，一者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，二者也的确为现实的市场参与者的所需要，与之密切相关的是另一个欣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。
从上面对金融计量学的框架分析中，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。
自然市场机制设计、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，显然高频数据分析是它主要的研究工具。O`Hara （1995）是第一本也是目前唯一比较系统地论述一些比较成熟理论成果的专著，Hodrick（1995）和Pagan（1996）给出了某些重点研究领域的总结。微结构理论其实还是属于金融计量学的价格假设范畴，它对资产配置与定价理论有什么影响呢？O`Hara（2001）认为这正是未来微结构理论发展的重要方向，她甚至还指出微结构理论与公司财务、宏观福利经济学等之间联系也是重要的研究方向。下一节中我们将从高频数据分析的计量工具角度在一定程度上回顾这一理论一些经典结果。
二（超）高频数据分析
高频数据即指日与日内的数据，主要针对以小时、分钟或秒为采集频率的数据。而超高频数据则指对交易过程实时采集的数据（显然是不等间隔的数据）。一般而言，金融市场上的信息是连续性影响证券价格变化过程，离散模型必然会造成信息的丢失，数据频率越低，则信息丢失就越多。Wood（2000）详细讨论了国外金融研究中所用的不同频率数据库的历史和对未来实证研究者的数据采集建议。中国目前（据我们所知）日内数据很难得到，更不用谈超高频数据了。但是作为一种先进的数据分析工具，高频数据分析迟早都将被中国的理论研究者和金融市场的管理者所接纳。
一般如GARCH等计量模型模型不能解释波动率的驱动因素到底是什么，只有通过高频数据分析才会发现许多市场的微结构因素如实时交易的不等间隔（Engle（2000b））、交易规则和指令流（O`Hara（1995））、和一些交易者的行为因素（Shileifer（2000））等是真正的价格产生波动的原因。而这些发现无疑在理论研究或在政策建议方面都具有重要的研究价值。下面我们将把高频数据和超高数据分开讨论，因为它们之间在模型分析而言存在着质的区别。
（一）高频数据分析
对一些成熟市场如美国市场的高频数据实证分析已经得到一些典型的日内数据特征4，主要有：
1、波动率日内“U”型走势
也就是说一般每日内的波动率都是开盘与收盘时高，中间交易时间低。Wood et al
（1985）利用分钟数据发现这一点，Harris（1986）也证实的确存在这种现象，Admati
and Pfleiderer（1988）从理论模型出发证明了这一现象的合理性。Jain and John（1988）、Mcinish and Wood（1990、1991a、1992）有分别实证了其他交易变量如交易频率、
交易量、买卖价差等都具有这种“U”型走势。
2、波动率具有日历性
日历性指周一到周五市场的波动率变化具有很强的“季节性”运动，比如基本都是
一样的“U”型走势。这个结果在1中的文献里也有所涉及。Anderson and Bollerslev
（1994）研究了日历性与波动率的持续性之间的关系，他们证明了如果将数据中的
日历性剔除，则大大降低较低频率数据中的持续性。Anderson and Bollerslev（1995，1998）进一步研究了日历性的主要影响因素，除了时间刻度，假日、午间休市等影
响因素外，规律性的宏观经济信息发布也是重要的日历性的产生原因。
3、价格序列具有极高的峰度
在较低频率的数据中，GARCH模型是可以刻画一些峰度较大的数据特征的，但如果
峰度达到了100以上，那GARCH模型就远远不能刻画了。Anderson and Bollerslev
（1998）实证表明随着日内数据频率的增加，其数据的峰度也是随之增加的，到分
4这里必须强调这些高频数据特征是从成熟市场的数据中分析得到的，对象中国这样的新兴市场可能特征表现很不一样。
钟数据，峰度就已经得到了100以上了。
4、价格序列一阶负相关性
Goodhart and Figliuoli（1991）、Mainish and Wood（1991b）实证了日内价格序列是具
有负的一阶相关性的，特别在出现一些跳点的情况下。Bollerslev and Domowitz（1993）再次从买卖寻价的数据中找到了这一特征。Low and Muthusuamy（1996）用5分钟
的频率数据验证序列的负相关性，并进一步证明了这种相关性具有非线形的特征。
除了以上4个主要的特征外，高频数据自然还具有一般的ARCH特征（如宽尾，非正态、波动率聚集等）。对于高频数据的计量建模，目前还没有一种被大家普遍认可的模型框架，就如在较低数据建模中的ARCH模型一样。但理论界还是存在几类研究比较活跃的高频数据模型。
其一为主要针对日历性的模型。Dacorogna et al（1993，1994）认为时间纬度是产生日历性的主要原因，在此基础上提出了一种时间变换模型（Time Deformation Models），有原先的物理时间纬度变成一种他们称之为υ时间刻度下，在进行波动率估计。Beltratti and Morana （1998）提出了一种怪异的随机波动率模型（SV模型），这种模型具有类似弱GARCH模型具有的时间聚集性的性质（Drost and Nijman（1993，1996）），同时对市场的信息分布也作了一种灵活的处理。Morana and Beltratti（2000）进一步推广了这种模型。在日历性模型中影响最大的要属Anderson 和Bollerslev最近几年所作的工作。Anderson and Bollerslev（1994，1995）提出了用一种FFF回归建模框架（Fourier Flexible Form regression framework），在这种框架下估计量假设没有方差，从而可以在二步法分析中得到真实的波动率值。但正如Pagan and Ullah （1988）分析那样，二步分析法对估计量的方差非常敏感。Anderson and Bollerslev（1998b，1999）进一步修正和拓展了他们的估计方法。ANN et al（2001）利用他们的结果实证分析了香港证券市场情况，效果相当不错。Bai et al（2000）拓展了他们的结果去研究在高频数据波动率估计的依存性和非正态性问题。
其二为对GARCH模型的拓展。由于GARCH模型在较低频率数据的成功表现，很自然让人们考虑如何将它移植高频数据建模中来。但到目前为止，就我们所知这方面还没有重大突破性的进展，当然也有一些阶段性的研究成果。Francq and Zakoian（2000）在Drost and Nijman （1993，1996）的弱GARCH模型的基础上，提出了一套弱GARCH模型的估计检验方法，但还没有实证的例子。Daccorog et al（1996，1998）提出了HGARCH（Heterogeneous GARCH），在GARCH模型的条件异方差项引入时间刻度变换（Time Deformation）处理技术。但实证中也没有表现出很强的优越性。
最后就是一些非线形模型。Dunis and Bin Zhou（1998）收集了主要的一些参数和非参数的非线形处理方法。这里需要特别提出的是Zhou Bin提出F一致性的思想。经典统计学中一致性是指随样本量无限增大时，统计量所具有的一种良好的大样本性质。但如果考虑数据频率的不断细分而是样本量无限增大（这和一般统计学中增大样本量存在本质区别！），那F一致性是指统计量的性质不会随着数据频率改变而改变。在非参数领域，神经网络、遗传算法和Data Mining中近邻分析技术等已在高频数据分析得到一定的应用。
从上面模型介绍中，我们可以看出，目前高频数据的计量建模还处于初步探索阶段，具有很大的研究空间。相对而言，超高频数据的建模工作似乎更加难上加难，目前主要研究成果基本都是在最近5年内的事情。
（二）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在计量模型中所代表的时间可以完全一致的。但对于日数据就不太可能了，比如每周有两个星期休假日（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：“时间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$附近(Harris(1986)),显然这就需要一种能够刻画这种价格离散状态(Price disceteness)的特别计量模型。下面我们将集中从上述两个超高频数据的主要特征入手综述目前已有的重要计量模型结果。
1随机时间效应与ACD模型
对于超高频数据中随机时间效应实证分析主要集中从两个角度：非同步性交易（Nonsynchronous Trade）和随机交易间隔（Stochastic Duration），其实这只是一个问题不同的角度看而已。Campbell at al（1997）对非同步性交易的实证分析作了较为详细的描述和总结。一般可认为非同步性交易可以导致较低频数据中：（1）一阶滞后横截面相关；（2）一阶资产组合收益率序列相关，文献可参见Campbell at al（1997）。随机交易间隔效应是目前比较活跃的领域，Diamond and Verreahia（1987）、Easley and O`Hara（1992）是较早涉足这个领域的代表性文献。Diamond and V erreahia（1987）将交易随机间隔与市场信息传递联系起来，实证表明较长的交易间隔总会与一个坏信息的发布有关。Easley and O`Hara（1992）进一步认为长的交易间隔还会与无信息发布有关，同时交易的频率也直接与知情交易者的数量有关。Easley et al（1993，1994，1995）讨论了随机交易间隔的经济学意义，特别从市场信息和监管者的政策制定角度出发，探讨了如何利用制造市场上的随机交易间隔特征来引导和控制市场的交易情况。Hansbrouck（1996，1999）研究随机交易间隔对买卖价差形成的长期影响和短期效应。在此基础上，Engle and Dufour（2000）进一步讨论随机交易间隔在整个价格形成过程中的效应以及在价格对交易进行影响过程中的作用。
目前对于不等间隔的高频数据建模主要就是从对随机交易间隔刻画入手，进而提出ACD 模型（Autoregressive Conditional Duration Models）。Engle 在ACD模型的研究中所起作用等同于他对ARCH模型发展的贡献。更确切地说，Engle（2000）可以看作是对超高频数据计量分析的宣言书，Ghysel（2000）给予了积极的回应。ACD模型的雏形形成于Engle and Rusell （1994）的working paper，后来完善于在Econometrica上发表的Engle and Rusell（1998）。他们直接的思想是在原有的ARCH模型的框架下，用一个标记点过程（marked point process）去刻画随机交易间隔，不同的点过程假设自然就得到了不同的ACD模型。Engle and Rusell（1996），Engle and Rusell（1998）用ACD模型比较漂亮地完成对交易频率等实时交易变量的预测。Engle and Large（1997）则在测量和预测市场流动性方面采用ACD模型的思想和技术。在最近两年里对ACD模型的研究正在不断深入。Engle and Lunde（1996）提出了引入价格和交易量的二元ACD模型。Rusell and Engle （1996）将类似门限的思想引入后，提出了一种非线形的ACD 模型。他们的模型后来在Zhang et al（1999）中进一步得到了拓展，其实这些ACD模型的发展极似当年ARCH模型的发展。当然没有ARCH模型当年在计量学界反应那么强烈，但已有一些知名的计量学家接受了Engle的ACD建模思想，Ghysels et al（1998）提出了一种SV Duration模型，并在Ghysels（2000）中对这种模型的经济学意义给予了进一步的阐述。Touzi （2000）将点过程的建模思想引入保险问题。
到目前为止，对于ACD模型的统计性质（如估计检验、平稳遍历性、大样本性质等）研
究还基本是空白，尽管Engle 认为ARCH模型的结果可以平行移植，但由于不同点过程的刻画和对一阶矩的非线形表示，显然这方面的工作远远不是那么简单。我们推测在模型估计领域，Tanchen等建立的EMM估计方法将比较适用。当然目前实证ACD模型的市场实用性还可以继续开展。
2价格离散取值
正如前面所讨论那样，现实的市场机制很难满足对交易变量的连续性假设，比如NYSE 股价最小变动单位为1/16$,这是从1987年股灾后由1/8$调整后一直维持到现在，中国伸沪两市的最小变动单位是0.01￥。显然这就使得股价变动不可能以比最小变动幅度更低的间隔进行变动。这必然会造成股价的离散取值。Harris（1986）发现NYSE中的股价变动多集中于1/8$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$。Christie and Schultz （1994）、Christie et al（1994）给出了更为详尽的实证结果。如他们发现股价变动幅度是1$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交易商为了保持较大的买卖价差而作的人为的市场调整。Godek （1996）、Kandel and Max（1996）等积极讨论了这些有趣的市场实证结果，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。Peake（1995）、Conneh（1997）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，促进市场竞争。而Harris（1997）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。Bollen and Wharley （1998）、Ricker（1998）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%~45%的市场深度,从而提高了那些低价位的股票的市场流动性。Van Vess et al（1999）综合分析了NYSE、AMEX 和Nasdaq的市场情况。Goldstein and Karajecz（2000）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，价格发现等具体方面研究还有越来越大的影响。
价格离散取值同时对金融计量学也是一个挑战，它意味着以前所有依赖连续变量的模型结果都不适合描述这一现象。目前这方面的工作似乎没有太大的进展，因为到目前为止据我们所知单单对离散取值的价格过程还没有很好的计量模型刻画。值得一提的有这样几个模型。其一是Harris（1990）等提出的Rounding Distance模型，即把离散取值的价格作为原先连续模型的一个上下限估计。其二是Hausman et al（1992）提出用Ordered probit 模型来刻画离散价格过程，显然这种模型在一些变动幅度较大的情况下根本无法实现。但由于这方面的计量工作的进展缓慢，以致于现在所有提及离散取值价格过程建模问题研究都只能重提他们的工作。最近McCulloch and Tsay（2000）在Rydberg and Shephard（1998）工作的基础上提出了一种新的价格分解模型，其基本思想类似于将时序分析中季节分解与跳模型结合来刻画离散取值的特性。但这种模型的实证结果目前还不知道的。
至此，我们基本概述了就我们所有资料上的（超）高频数据分析的主要理论而实证结果，这里再次强调我们主要从计量模型的工具角度出发加以综述的，有兴趣的读者还可以在有关微结构的文章中找到大量（超）高频数据运用实例。
三金融计量学的研究展望和对中国的研究意义
最近Engle（2001）、Bollerslev（2001）、Tauchen（2001）和O`Hara（2000）纷纷从不同的角度给出了未来金融计量学的研究重点和难点。这里结合我们自己的讨论现归结出金融计量学未来的几个研究热点领域：
1、（超）高频数据的计量建模和模型性质研究。无论在Engle的ACD模型框架下，还是
突破Hausman et al（1992）的工作都将有很大的研究空间。
2、如何将微结构理论与公司财务、资产定价理论联系起来。
3、对金融计量学中的多元模型的研究（特别在其估计方面）。
就中国现实的金融市场而言，我们知道目前（超）高频数据分析和微结构理论是紧密联系的，而这对中国目前的金融市场无论是市场交易还是市场监管都具有非常重要的意义，特别在以下几个领域急待实证和理论分析：
1、中国股票市场的高频数据形态特征和国际比较
2、基金投资行为分析和市场影响研究
3、中国市场交易者的特征分析
4、中国股票市场的交易规则影响分析和市场机制设计
四对中心的学术发展的几点建议
对任何一个非赢利性的学术研究机构最好的评价莫过于它在某块或几块研究领域在国内乃至国际上处于领先地位。培育一块这样的研究领域是不容易的，首先不但要选准培育的研究方向，而且还要一整套学术创新的激励机制，因为总归一个学术中心是需要一代代人共同努力的。结合前文的分析，我们为中心未来的学术发展提出几点意见：
1、确定金融计量学为潜在学术培育领域。其实中心在发展金融计量学发面具有很大的优
势，一者是国内的确没有（就我们所知）在该领域做得不错的机构，二者从资源优势来看，我们知道金融计量学是一个经济实证性非常强的学科，而我们人大统计一直就是以经济的实证研究而知名（至少比生物统计之类学科更靠近我们的优势！），同时金融计量学所要求的专业知识我们研究生完全可以达到，这样我们基本研究队伍是稳定的。而且象顾岚老师已经在金融计量这个领域积累了大量经验，兼职教授严加安院士是目前我国金融数学领域的领军人物，完全可以作为我们金融计量学的一面旗帜。顺便提一句，我们相信实证分析所用的数据资源我们也肯定比别的机构更容易拿到。
2、建立working paper制度。我们认为这是学术激励的重要手段，同时也是凝聚学术力量
的有力保证措施。
3、提供必要的研究辅助资源。比如杂志（避免重复建设！），目前国内还没有Journal of
emperical finance，但它已是微结构理论的重点杂志。
最后我们衷心希望中心能够在中国金融计量领域独占鳌头！
参考文献
Admati. A and Peleiderer. P , 1988, A Theory of Intradaily Patterns: Value and Price Variability, Rev. of Fin. Stud. 1(1), P3-40.
ANN.N., BAE.F., and CHAN.R., 2001, Limit Orders, Depth, and V olatility: Evidence from the Stock Exchange of Hong Kong , J. of Fin., VLVI(2),P767-788.
Andersen.T. and Bollerslev.T., Diebold. F. And Lebys.P., 1999, The Distribution of Exchange Rate V olatility, working paper, NBER.
Andersen.T. and Bollerslev.T.,1998b, Answering The Skeptics: Yes, Standard V olatility Models to Provide Accurate Forecasts, International Economic Review. 39, P885-905.
Andersen.T and Bellerslev.T,1994, Intraday Seasonality and V olatility Persistence in Foreign Exchange and Equity Markets, working papers, NU.
Andersen.T and Bellerslev.T,1995, Intraday Seasonality and V olatility Persistence in Financial Markets,
presentation papers, Zurich.
Andersen.T and Bellerslev.T,1996, DM-Dollar V olatility: Intraday Activity Patterns, Macroeconomic Announcement and Longer Dependence ,. J. of Inter. 53, P219-265.
Bai. X , Rusell. J, and Tiao. G ,2000, Beyond Merton's Utopian: Effects of Dependence and Non-normality on Variance Estimates Using High-Frequency Data, working paper, UC.
Bai. X , Rusell. J, and Tiao.G ,2000, Kurtosis of GARCH and Stochastic V olatility Models ,working paper, UC. Bollenslev.T, 2001, Financial Econometrics: past development and future challenges, J. of Econometrics, 100, P41-56 . Bollerslev. T. And domowitz. I. , 1993, Trading Patterns and Prices in The Interbank Foreign Exchange Markets, J. of Fin. 48, \p1421-1443.
Bollerslev.T, Chou.R.T and Kroner.K.T, 1992, ARCH Modeling in Finance: A Selective Review of Theory and Empirical Evidence. J. of Econometrics.52, P5-59.
Bollerslew,T, Hodrick R.J, 1995, Financial Market Efficiency. Tests in: Pesaran M, Uickins.M (eds) Handbook of Applied Econometrics, Basic Blackwell., P415-458.
Boudoukh,J, Richard.M, and Whitelaw R.F, 1998, The Best of Both Worlds, Risk 11, P64-67.
Campbell J. and Shiller.R, 1998a, the Dividend-price Rational Expectations of Future Dividends and Discount Fator, Rev. of Ein Stud., 1, P357-386.
Campbell J. and Shiller.R, 1998b, Stock Prices , Earnings and Expected Dividends, J. of Fin ,43, P661-676 Campbell J. ,1987, Stock Returns and the Term Structure, J. of Fin. Econo., 18, P373-389.
Campbell J., 1999, Asset Price, Consumption, and The Business Cycle, In John Taylor and Richard wood ford eds: Handbook of Marcoeconomics, V ol 1, North-Holland, Amsterdasm.
Campbell .J, Andrew Lo and A. Mackinlay, 1997, The econometrics of Financial Markets, Princeton Univ. press. Campbell. J, 2001, Asset Pricing at The Millenuium, J. of Finance, vLLI, No. 4, P515-516.
Chrisite.W. and /Schultz.P., 1994, Why Do Nasdaq Market Markers Avoid Odd-English Quotes? J. of Fin. 49, P1813-1840.
Chrisite.W.,Harris.J. and Schultz.P.,1994, Why Did Nasdaq Market Markers Avoid Odd-English Quotes? J. of Fin. 49, P1841-1860.
Chui Andy, Sheridan Titman, and K.c. Wei, 2000, Momentum ,Ownership, structure and Financial Crises: An Analysis of Asian Stock Markets, working paper, PKU
Cox.John and Chi-fu Huang, 1989, Option Consumption and Portfolio Polices When Asset Price Follow A Diffusion Process, J. of Econo. Theory, 49, P33-83
Cuoco.D, 1997, Option Consumption and Equilibrium Price with Portfolio Constraints and Stochastic Income J. of Econ. Theory, 72, P33-73
Dacorogna. M., Muller.U. ,Nagler.R. , Dsen. R., and Pictet.O., 1993, A Geogrephical Model for the Daily and Weekly Seasonal V olatility in The Foreign Exchange Market, J. of inter. Money and Fin., 12, P413-438.
Dacorogna. M., Muller.U. ,Nagler.R. , Dsen. R., and Pictet.O., 1994, Heterogeneous Real-time Trading Strategies in the Foreign Exchange Market, Presentation paper, London.
Dacorogna.M., Gauvreau.C., Muller.U., Olsen.R. and Pictat.O.,1996, Changing Time Scale for Short-Term Forecasting in Financial Markets, J. of Forecasting .15(3), P302-327.
Dacorogna.M., Gauvreau.C., Muller.U., Olsen.R. and Pictat.O.,1998, Modeling Short-Term V olatility with GARCH and HARCH models, in Dunis(ed) Nonlinear Models of HF Financial Time Series.
Daewhan.C, Rusell, J, Tsag. R and Tiao.G, 2000., The Magnet Effect of Price Limits: Evidence from High Frequency Data on the Tai Wan Stock Exchange , working paper, UC.
Duffie.D, 1996, Dynamic Asset Pricing Theory, 2nd. ed, Princeton univ. Press.
Davis.M and Norman.A, 1990, Portfolio Selection with Transaction costs, Math. Of Operations Reaserch , 15,
P676-713
DeBondt.W and Richard Thaler, 1985, Does The Stock Market Overreact? J. of Fin, XL(3), P783-805.
Delsdon.D ,1996b, Asymptotically Option Smoothing with ARCH Models, Econometrica.64, P561-573.
Drost.F and Nijmab.T.E., 1993, Temporal Aggregation of GARCH Process, Econometrics 61, P909-927.
Duan Jin-chuan, 1995, The GARCH Option Pricing Model, Math. Fi., 5-1, P13-32.
Duan Jin-Chuan, G. Geauthier and J. Simonato, 1999, An Analytical Approximation Fin, 2, P75-116. Embrechts.P , Klupelberg.C and Mikosch.T, 1997, Modeling Extremal Events, Spring Berlin.
Engel R. and Lange.J, 1997, Measuring and Forecasting Time Varying Liquitry, working paper, UCSD.
Engel.R and Dufour.A, 2000, Time and The Price Impact of a Trade , J. of Fin, VLX(6), P2467-2489.
Engel.R, 2000, The Econometrics of Ulta- High- Frequency, Econometrica , V68(1), P1-22.
Engel.R, 2001, Financial Econometrics-A new discipline with new methods, J. of Econometrics, 100, P53-56.
Engle Robe and Manganelli.S., 1999, CA VIAR: Conditional Value at Risk by Regression Quantity, working paper, UCSD.
Engle.E, 1995, ARCH Selected Readings, Oxford Univ. Press.
Engle.R ,1982, Autoregssive conditional Heterskedasticity with Estimate of The Variance of United Kingdom Inflation, Econometrics.50, P987-1007
Engle.R and Lude , 1999, A Bivariate Model for Point Process , working paper, UCSD.
Engle.R, and Rusell.J ,1996, Forecasting Transaction Rates : The Autoregressive Conditional Duration Model, working paper, UCSD.
Engle.R, and Rusell.J, 19967, Forecasting The Frequency of Foreign Exchange Prices with Autoregressive Conditional Dmation: A New Model for Irregular Spaced Transaction Data, Econometrics ,V ol 66, P1127-1162. Fama E., 1970, Efficient Capital Market: A Review of Theory and Empirical Work, J. of Fin, XXV(2),P383-417. Fama. E and French.K ,1992, The Cross-section of Expected Stock Returns, J. of Fin. 47, P427-465
Fama. E and French.K, 1993, Common Risk Factors in The Returns on Stock and Bonds, J. of Fin. Econ. P33-356 Fama. E and French.K, 1998, Value Versus Growth: The International Evidence, J. of Fin.53 , P
Fama.F and Kenneth.R ,.French, 1988a, Permanent and Temporary component of Stock Prices, J. of P.E., 86,P246-273.
Fama.F and Kenneth.R, French, 1998b, Dividend Yields and Expected Returns on Stock and Bonds, J. of Fin. Econ., 22,P27-60.
Feike.C , Drost and Bas J.Werker, 1996, Closing The GARCH Gap: Continuous-time GARCH Modeling, J. of Econo. 74, P321-57.
Francq.C. and Zakolan.J.,2000, Estimation, Weak GARCH Representation, Econometric Theory, 16 ,P692-728. Frankel.R and Chartle. Lee, 1998, Accounting Information Market Expectation, and Cross-sectional Stock Returning, J. of Accounting and Economics. 25, P283-319.
Function, working paper, Stanford Univ.
Gallant A.R. and Tauchen G.E.,1996, Which Moments to Math ? Econometric Theory 12, P637-681.
Gallant A.R. and Tauchen G.E.,19968, Reprojecting Partiallly Observed systems with Application to Interact Rate Diffusion, JASA 93, P10-24.
Ghysels E, 2001, Some Econometric Recipes for High-Frequency Data cocking, J, of Bus. And Eco. Stat. 18, P154-163.
Ghysels.E , Gourieroux.C and Jasiak.J, 1998, Stochastic V olatility Duration Models, working paper , Olsen and Associates High Frequency Data in Finance Ⅱ, conference Proceedings.
Ghysels.E., Harrevy A., Renault.E., 1996, Stochastic V olatility In Maddala G.S.(ed) Handbook of Statistics V ol.14, P9-19.
Godek.P., 1996, Why Nasdaq Market Markers Avoid Odd-English Quotes? J. of Fin. 49, P465-474.
Gold Sytein.M. AND K. Kavajecz, 2000, English, Sixteenths, and Market Depth: Changes in Tick Size and Liquidity Provision on The NYSE, J. of Fin. Econ. 56, P125-149.
Goodhart. L and Figliuoli.L , 1981, Every Minute Counts in Financial Markets, J. of Inter. Money and Fin. 10, P23-52.
Gourieroux.c, Monfort.A, Renault.E, 1993, Indirect Inference, J. of Applied Econometrics. 8, P85-118.
Gallant.A.R., Hsu.L.T and Tauchen.G.E, 1999, Using Policy Range Data to Calibrate V olatility Diffusing and Extract The Forward Integrated Variance, Review of Econo. ad Stat. 81, P617-631.
Guo Xingyi, 2001, GARCH Models applied in Option Pricing Theory, working paper, RUC.
Hausbronck.J, 1999, the Dynamics of Discrete Bid and Ask Quotes, J. of Fin. 54 ,P2109-2142.
Hansen L.P.,1982, Large Sample Properties of Generalized Method of Moments Estimators, Econometrics.
50 ,P1029-1054.
Harris.A., 1990, Statistical Properties of The Roll Serial Covariance Bid/Ask Spread Estimator, J. of Fin. 45, P579-590.
Harris.L ,1986, A Transaction Data Study of Weekly and Intradaily Patterns of Stock Returns, J. Fin . Con. 14, P99-107.
Harris.L.,1991, Stock Price Clustering and Discreteness, Rev. of Fin. Stud. 4, P389-425.
Harrison.H and Stein.J, 1999, A Unified Theory of Underreaction, Momentum, Trading, and Overreaction in Asset Markets, J. of Fin.54, P2143-2148.
Hausman J., A.Lo and Mackinlay, 1992, An Ordered Probit Analysis of Stock Transaction Prices , J. of Econ. 31, P319-379.
He.H and H. Paqes, 1993, Labor Income, Borrowing Constraints and Equilibrium Asset price: a Duality approch, Economic Theory, 3, P663-596.
Hunt.p and J.e.Kennedy, 2000, Financial Derivatives in the Theory and Practice, John willey & Sons, LID.
Jain.P and G.Joh, !988, The Dependence Between Hourly Prices and Trading Value, J. Fin, Quant, 23, P269-283. Jegadeesh.H and Titman.S ,1993, Returns to Buying Winners and Selling Loser: Implications for Stock Market Efficiency, J. of Fin. 48, P65-91.
Jegadeesh.N and Sheridan Titman, 2000, Profitability of Momentum Strategies: An Evaluation of Alternative Explanations, J. of Fin, Forthcoming.
Jia-An Yan, 1998, Introduction to Martingale Methods in Option Pricing, Liu Bie Ju center for Mathematics Science. Jin-chuan and Jean-Gug-Simonato, 1997, American Option Pricing under GARCH by a markov chain approximation, working paper, NKUST.
John.H and Lucas.D, 1999, Stock Price and Fundermental, NBER Marcoeconomics Annual ImIt press, P213-242. Kandel.E. and Max.L., 1996, Nasdaq Market Structure and Spread Patterns, working paper, UR.
Karatzas.I and S.E.Sheve, 1987, Methods of Mathematical Finance, Springer, Berlin-Heidelbarg-New York.
Kerry.B, 1992, Insider Trades in Continuous Time, Rev. of Fin. Stud., 5(3), P387-409.
Kerry.B,1993, Asymmetric Information and options, Rev. of Fib. Stud., 6(3), P435-472.
Lakonishok.J, Shleifer.A and Visgng.R, 1984, Contrarian Investment, Extrapolation, and Risk, J. of Fin. 49, P1541-1578.
LeRoy.S, 1993, Risk Aversion and The Martingale Property of Stock Prices, International Economic Review, 14(2). P423-446
Lonathan.L, 1999, The Time-series Relation among Expected Returns, Risk, and Book-to market, J. Of Fin, Econ, 54, P5-43
Low. A. And Muthuswamy,. J. , 1996, Information Flows in High-Frequency Exchange Rates ,in C. Dunis(eds),
Forecasting Financial Markets ,P8-32.
Malcolm.B and Jeffreg Wurgler, 2000, The Equity Share in New Issue and Aggregate Stock Returns , J.of Fin. Forthcomimg.
Markowitz.H, 1987, Mean-Variance Analysis in Portfolio Choice and Capital Markets, Basic Blackmell press. Martin.L and Ludvigson.L, 1999a, Consumption, Aggregate, Wealth, and Expected Stock Returns, working paper, FRBNY.
Martin.L and Ludvigson.L, 1999b, Resurrecting the ? CAPM: A Cross-sectional Test When Risk Premia Are Time-varying , woking paper.
Mccuiloch. R and R. Tsay ,2001, Nonlinearity in High-Frequency Financial Data and Hierarchical Models, working paper,UC.
Mcinish,T and Wood.R ,1990, A Transaction Data Analysis of The Variability of Common Stock During 1980-1984. J. Bankis. Fin ,14, P99-112.
Mcinish,T and Wood.R ,1991a, Hourly Returns, V olume, Trade Size and Number of Trades, J. of Fin .Res. 14 , P303-315.
Mcinish,T and Wood.R ,1991b, Autocorrelation of Daily Indent Returns: Intraday-to-Intraday NS. Close-to-Close intervals, J. of Bankis and Fin. 15, P193-206.
Mcinish,T and Wood.R ,1992 , An Analysis of Intradaily Patterns in Bid/Bsk Spreads of NYSE Stocks, J. of Fin. 47, P753-764.
Mcneilk.A , Freg.R, 2000, Estimation of Tail-related Risk Measures for Heteroscedastic Financial Time Series : An Extreme Value Approach, J. of Empirical Finance forthcoming .
Merton.R, 1990, Continuous-time Finance, Basic Blackmell press.
Morena .C and A. Beltratti, 1998, Interrelation and Exchange Rates : An Analysis with High-Frequency Data, working paper. BU
Morena .C and A. Beltratti, 2000, Comparing Models of Intra-day Seasonal V olatility in The FX Market, working paper, BU.
Moskowitz. T and Grinblatt, 1999, Does Industries Explain Momentum? J. Fin. 54, P1249-1290.
Navin Chopra, Josef Lakonishok and Jay Riffer, 1992, Measuring Abnormal Performance: Do Stock Overreacct? J. of Fin. Econ. 31, P235-268
Nelson.D ,1990, GARCH Models as a Diffusion Approximations, J. of Econometrics. 45,P7-38.
Nelson.D ,1996a, Asymptotic Filtering Theory for Multivariance ARCH Models. J. of Econometrics.71, P1-47.
O'Connellv, 1997, Decimalization: A Review of the Arguments and Evidence, working paper, USC.
O'hara.M, 1995, Market Microstructure theory Blackwell.
O'hara.M, 1999, Marking Market Microstructure Matter, Financial Mangement V28(2), P83-90.
Owen.L, 1998, Earning and Expected Returns, J. of Fin., 53, P1563-1578.]
Pagan. A, 1996, The Econometrics of Financial Markets, J. of Empirical Financial 3, P15-102.
Pagan.A., and Ullah. A., 1988, The Econometric Analysis of Models with Risk Terms, J. of Appl. Econo. 3, P87-105. Peake.J. ,1995, Brother Can You Spare a Dime: Let's Decimilize U.S. Equity Markets., in Schwartz.R(eds) Global Equity Markets: Technological, Competitive and Regulating Challenged, Chicago.
Potorba, James and Lavvrenee Summers; 1998, Mean Reversion in Stock Returns: Evidence and Implications, J. of Fin. Econ, 22, P27-60.
Richer.J., 1998, Breaking The Eighth :Sixteenth on The NYSE, working paper.
Robert E. Lucas, 1978, Asset Prices in an Exchange Economy, Econometrical, 46(6), P1429-1425. Rouwwenhorst. K, 1999, Local Return Factors and Turn over in Emerging Stock Markets, J. of Fin. 54, P1439-1464. Rowwenhorsk. K. ,1998, International Momentum Strategies, J. Fin. 53, P267-284.
Rydberg.T and Shephard.N , 1998, Dynamic of Trade -By-Trade Price Movement : Decomposition and Models, working paper., OU.
Sandarensan.S, 2000, Continuous-time Methods in Finance, working paper, NBBR
Shiller.R, 1999, Human Behavior and The Efficient of The Financial System, in J.taylor and M.Woodfood, eds, Handbook of Maraeconoming, V ol 1, North-Holland, Amstardam.
Shinker.R, 1984, Stock Price and Social Dynamics, Brookings papers on Economic Activity 2, P457-498. Shleifor.A, 2000, In Efficient markets: An Introduction to Behavioral Finance, Oxford Univ, press.
Singleton.K.J, 1999, Estimation of Affine Asset Pricing Models Using The Empirical Characteric
Slapior.A , The Imenest or Recognition Hypothesis in a Pynamit General Equilibrium: Theory and Evidence , working paper, New York Univ.
Sollen.N. and Whaley.R.,1998, Are "teenies" Better? J.of Port. Mana. 25,P10-24.
Summer.L, 1990, Do We Really Know that Financial Markets and Efficient in J. Edwards et al, Recent Developments in Corporate Financce, Cambridge Unvi. press, New-York.
Tauchen.G, 2001, Notes on financial Econometrics, J. of Econometrics. 100 , P57-64
Titman.S and Xie.F ,2000, Capital Investment and Stock Returns, working paper.
Touzi.N.,2000, Optional Insurance Demand Under Point Process Shocks, Annual of Appl. Prob. V10(1),P283-312. Van Ness.b., Van Ness. R., Pruitt. S., 1999, The Impact of The Reduction in Tick Increments in Major U,S. Markets on Spreads, Depth, and V olatility, working paper, UM
Vayanos.D , 1998, Transaction Costs and Assets Prices: A Dynamic Equilibrium Model, Rev. Of Fin, Stud, 11, P1-58 Veronesssi.P ,1999,, How does Information Quailing Affect Stock Returns, working paper, UCLA.
William.N, 1999, three Essays on The Ability of The Change in Share Outstanding to Predict Stock Returns, working paper, Yale Univ.
Wood . R , Mginish, T and Reith, J., 1985, An Investigation of Transactions Data for NYSE Stocks and G. Tauden, " Discussion", J. of Fin, XL(3), P723-741.
Wood.R ,2000, Market Microsructure Research Data Base: History and Projection , J. of Bus and Econ. Stat. 18, P140-145.
Xie, Yi hong, 1999, Learning and Predictability: The Effect of the Parameter Uncertaining ob Optional Dynamic Asset allocation, working paper, UCLA
Zhang. M , Rusell. J and Tsay. R , 1999, A Nonlinear Autoregressive Conditional Duration Model with Application to Financial Transaction data, J. of Econometrics, forthcoming. 1975-1999
数据分析调查报告模版 下面是我对数据分析的一些格式及规范要求 数据分析应当包括以下几个主要部件： 1.样本情况分析及调查工具说明 2.调查结果分析 以图表加文字的方式呈现数据分析的结果，并对结果简单的解释与说明。（1）表格设计的要求 表格应为三线表（自动套用格式中的“简明Ⅰ型”），表格应当包括表序号、表题目，及数据内容。其中表格中的数据及文字小正文一号，表格序号在报告中进行统一设计与安排，且表格题目应当在表格的正中上方。 图表的设计要求，图表设计大小应当与正文的文字大小匹配，图表应当包括图序号，图题及图形。其中图序号在报告中也应当进行统一设计与安排，但不得与表格序号混用。图题目应当在图表的正中下方，图中的数据与文字也应当比正文文字小一号。 一些简单与明白的数据结果，仅以表格陈述就可以。但如果数据结果比较复杂，数据结果比较繁多，那么可以将表与图结合起来进行数据结果描述。这样既给读者具体的数据结果信息，亦能使数据信息以很具像的方式进行呈现。 （2）结果的分析应体现层次性。一般按大家的操作化结构，分专题进行结果分析。每个专题结束之后，应当进行简要的总结与归纳，突出其中一些主要或令人意外的结果。最后，在所有的专题分析完之后，应当有一个综合的分析，并在其中陈列本次调查结果中最具有价值的一些结果与结论。 （3）结果分析中，禁止用大量的文字对结果进行说明性的描述，请大家尽量使用简洁与简单的方式陈述结果，但也不能只为追求很少的文字，对一些内容结果进行有选择性的删除，务必做到二者的平衡。 （4）调查报告中，如果有引入统计符号，所有的统计符号均为斜体表示。 请大家先自学教材后面附录二中的社会调查报告实例，然后再参考下面的一份调查报告样例：
第30卷第3期财经研究Vol. 30 No. 3 2m4年3月Journal Of Finance and Economics 、了· 2004 ．蠶獼罎与 常宁l ,徐国祥2 （1 ·上海财经大学统计学系，上海2m433； 2·上海财经大学应用统计研究中心，上海200433）摘要：近年来，在西方国家对金融高频数据的分析已成为实业界和学术界的热点问题和 难点问题。本文讨论了金融高频数据的概念和特征，分析了对高频数据分析的基本动因，阐 述了金融高頻数据分析已涉及的主要领域，探讨了金融高频数据分析中遇到的问题。最后， 还对金融高频数据分析的发展趋势作出了展望并探讨了我国在这一領域应用研究的重占 关饢词：金融市场；证券市场；金融高频数据分析；市场微观结构 中图分类号：F830· 91文献标识码：A文章编号：1佣1一9952（2m4）03m031m9 、金融高频数据及其特征分析 1 ·什么是金融高频数据 近年来，计算工具与计算方法的发展，极大地降低了数据记录和存储的成本， 使得对大规模数据库的分析成为可能。所以，许多科学领域的数据都开始以越来越 精细的时间刻度来收集，这样的数据被称为高频数据（hig frequen一 cy data)。金融 市场中，逐笔交易数据（transaction-by-transaction data)或逐秒记录数据(tick-by-tick data）就是高频数据的例子，值得注意的是这里的时间通常是以“秒”来计量的，具 体如NYSE(New York Stock Exchange)的交易与报价数据库(Trades and Quotes）所记 录的从1992年至今的NYSE、NASDAQ和AMEX(American Exchange)的全部证券 的日内交易和报价数据、rkeley期权数据库所提供的1976年8月至1996年12咒 的期权交易数据、以及美国外汇交易HFDF93数据库中德国马克一美元的现汇交易 报价数据等，都是金融高频数据。 2．金融高频数据的主要特征 收穰日期：2m3彐2m8 作者简介：常宁（1973一），女，陕西西安人，上海财经大学统计学系教师，经济学博士； 徐国样（1960一），男，上海人，上海财经大学应用统计研究中心主任，统计学系教授，博士 生导师。 财研兜2004耸 与传统的低频率观测数据（如周数据、月度数据等）相比，按照更短时间间隔所取得的金融高频数据呈现出了一些独有的特征，正是这些特征，诱发了人们对金融高频数据分析的日益浓厚的兴趣。以NYSE的交易数据为例，金融高频数据主要有四个特征：
金融数据分析师的工作职责描述 金融数据分析师负责为客户提供理财咨询、建议服务，制定相应的投资组合和策略。下面是为您精心整理的金融数据分析师的工作职责描述。 金融数据分析师的工作职责描述1 职责： 1、利用相关软件进行金融数据的收集整理，汇总数据; 2、进行基本面规律的分析和技术层面的深度分析; 3、把握各种种别的分析方法，定期对金融市场定向研究; 4、遵守公司的各项治理制度，承办领导交办的其他工作; 任职要求： 1、全日制经济、金融、财务等相关专业本科以上学历，有相关经验者可放宽至大专; 2、熟悉金融投资或二级市场具备从事相关工作经验者优先考虑; 3、有较强的团队领导和决策能力; 4、清楚的逻辑思维能力、较强的语言表达能力和文字能力; 5、外向型，出色的人际沟通和交往能力、较强的团队合作意识和敬业精神; 6、上述能力优秀者，可适当放宽任职硬性指标。 金融数据分析师的工作职责描述2 职责
1、对货币市场金融数据进行量化分析，并推动研究成果的信息化、互联网化，直至贸易落地; 2、对市场、行业、公司运营等提供贸易智能分析，输出可视化分析报告，为战略决策提供支持; 3、发表研究成果或分析评论，配合公司的推广及培训等工作。 任职要求 1、金融、经济、数学、统计等相关专业硕士及以上学历; 2、拥有扎实的经济理论基础及数理统计功底; 3、熟练使用MATLAB、R、Python等一个或多个语言进行量化建模，拥有行业大数据分析和机器学习项目经验者优先; 4、拥有BI分析工具使用经验者优先(如tableau等); 5、具有很强的逻辑思考能力，善于解决开放式题目; 6、为人真诚踏实，做事靠谱认真，对研究工作布满热情，具备良好的沟通协调能力和团队合作意识，愿意为团队共同发展而努力。 金融数据分析师的工作职责描述3 职责： 1、对金融经济知识感爱好，希看踏足金融圈的; 2、有无经验亦可，金融专业以及具有操纵经验者优先考虑; 3、有较强的学习能力，公司提供完善免费的投资培训; 4、有求知欲，有集体荣誉感，有上进心，有赚钱的信心和欲看; 5、有冷静的头脑与不被别人影响的判定力，能够坚持己见。 岗位职责：
(大数据)北邮大数据技术课程重点总结
5.数据化与数字化的区别 数据化：将现象转变为可制表分析的量化形式的过程； 数字化：将模拟数据转换成使用0、1表示的二进制码的过程 6.基于协同过滤的推荐机制 基于协同过滤的推荐（这种机制是现今应用最为广泛的推荐机制）——基于模型的推荐（SVM、聚类、潜在语义分析、贝叶斯网络、线性回归、逻辑回归） 余弦距离（又称余弦相似度）：表示是否有相同的倾向 欧几里得距离（又称欧几里得相似度）：表示绝对的距离 这种推荐方法的优缺点： 它不需要对物品或者用户进行严格的建模，而且不要求物品的描述是机器可理解的；推荐是开放的，可以共用他人的经验，很好的支持用户发现潜在的兴趣偏好。 数据稀疏性问题，大量的用户只是评价了一小部分的项目，而大多数的项目是没有进行评分；冷启动问题，新物品和新用户依赖于用户历史偏好数据的多少和准确性，一些特殊品味的用户不能给予很好的推荐。 7.机器学习：构建复杂系统的可能方法/途径 机器学习使用场景的核心三要素：存在潜在模式、不容易列出规则并编程实现、有历史的数据 8.机器学习的基础算法之PLA算法和Pocket算法（贪心PLA） 感知器——线性二维分类器，都属于二分类算法 二者的区别：迭代过程有所不同，结束条件有所不同； 证明了线性可分的情况下是PLA和Pocket可以收敛。 9.机器为什么能学习 学习过程被分解为两个问题： 能否确保Eout(g)与Ein(g)足够相似？ 能否使Ein(g)足够小？ 规模较大的N，有限的dVC，较低的Ein条件下，学习是可能的。 切入点：利用具体特征的，基于有监督方式的，批量学习的分析，进行二分类预测。 10.VC维： 11.噪声的种类： 12.误差函数（损失函数） 13.给出数据计算误差 14.线性回归算法：简单并且有效的方法，典型公式 线性回归的误差函数：使得各点到目标线/平面的平均距离最小！ 15.线性回归重点算法部分：
下面是我对数据分析的一些格式及规范要求 数据分析应当包括以下几个主要部件： 1.样本情况分析及调查工具说明 2.调查结果分析 以图表加文字的方式呈现数据分析的结果，并对结果简单的解释与说明。（1）表格设计的要求 表格应为三线表（自动套用格式中的“简明Ⅰ型”），表格应当包括表序号、表题目，及数据内容。其中表格中的数据及文字小正文一号，表格序号在报告中进行统一设计与安排，且表格题目应当在表格的正中上方。 图表的设计要求，图表设计大小应当与正文的文字大小匹配，图表应当包括图序号，图题及图形。其中图序号在报告中也应当进行统一设计与安排，但不得与表格序号混用。图题目应当在图表的正中下方，图中的数据与文字也应当比正文文字小一号。 一些简单与明白的数据结果，仅以表格陈述就可以。但如果数据结果比较复杂，数据结果比较繁多，那么可以将表与图结合起来进行数据结果描述。这样既给读者具体的数据结果信息，亦能使数据信息以很具像的方式进行呈现。 （2）结果的分析应体现层次性。一般按大家的操作化结构，分专题进行结果分析。每个专题结束之后，应当进行简要的总结与归纳，突出其中一些主要或令人意外的结果。最后，在所有的专题分析完之后，应当有一个综合的分析，并在其中陈列本次调查结果中最具有价值的一些结果与结论。 （3）结果分析中，禁止用大量的文字对结果进行说明性的描述，请大家尽量使用简洁与简单的方式陈述结果，但也不能只为追求很少的文字，对一些内容结果进行有选择性的删除，务必做到二者的平衡。 （4）调查报告中，如果有引入统计符号，所有的统计符号均为斜体表示。 请大家先自学教材后面附录二中的社会调查报告实例，然后再参考下面的一份调查报告样例： 浙江农村广播调查报告
数据分析报告格式 导读：本文数据分析报告格式，仅供参考，如果觉得很不错，欢迎点评和分享。 数据分析报告格式 分析报告的输出是是你整个分析过程的成果，是评定一个产品、一个运营事件的定性结论，很可能是产品决策的参考依据，既然这么重要那当然要写好它了。 我认为一份好的分析报告，有以下一些要点： 首先，要有一个好的框架，跟盖房子一样，好的分析肯定是有基础有层次，有基础坚实，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望； 第二，每个分析都有结论，而且结论一定要明确，如果没有明确的结论那分析就不叫分析了，也失去了他本身的意义，因为你本来就是要去寻找或者印证一个结论才会去做分析的，所以千万不要忘本舍果； 第三，分析结论不要太多要精，如果可以的话一个分析一个最重要的结论就好了，很多时候分析就是发现问题，如果一个一个分析能发现一个重大问题，就达到目的了，不要事事求多，宁要仙桃一口，不要烂杏一筐，精简的结论也容易让阅者接受，减少重要阅者（通常是事务繁多的领导，没有太多时间看那么多）的阅读心理门槛，如果别人看到问题太多，结论太繁，不读下去，一百个结论也等于0；
第四、分析结论一定要基于紧密严禁的数据分析推导过程，不要有猜测性的结论，太主观的东西会没有说服力，如果一个结论连你自己都没有肯定的把握就不要拿出来误导别人了； 第五，好的分析要有很强的可读性，这里是指易读度，每个人都有自己的阅读习惯和思维方式，写东西你总会按照自己的思维逻辑来写，你自己觉得很明白，那是因为整个分析过程是你做的，别人不一定如此了解，要知道阅者往往只会花10分钟以内的时间来阅读，所以要考虑你的分析阅读者是谁？他们最关心什么？你必须站在读者的角度去写分析邮件； 第六，数据分析报告尽量图表化，这其实是第四点的补充，用图表代替大量堆砌的数字会有助于人们更形象更直观地看清楚问题和结论，当然，图表也不要太多，过多的图表一样会让人无所适从； 第七、好的分析报告一定要有逻辑性，通常要遵照：1、发现问题--2、总结问题原因--3、解决问题，这样一个流程，逻辑性强的分析报告也容易让人接受； 第八、好的分析一定是出自于了解产品的基础上的，做数据分析的产品经理本身一定要非常了解你所分析的产品的，如果你连分析的对象基本特性都不了解，分析出来的结论肯定是空中楼阁了，无根之木如何叫人信服？！ 第九、好的分析一定要基于可靠的数据源，其实很多时候收集数据会占据更多的时间，包括规划定义数据、协调数据上报、让开发人员提取正确的数据或者建立良好的数据体系平台，最后才在收集的正
金融计量学与（超）高频数据分析1 郭兴义杜本峰何龙灿 一金融计量学一个初步的分析框架 金融计量学(Financial Econometrics)通常就是指对金融市场的计量分析。这里的“计量分析”不仅包括对金融市场各种交易变量（如价格、交易量、波动率等）进行相应的统计分析和计量建模，还包含实证金融中大量的实证方案和基于随机分析框架下连续金融的主要成果（Campbell et al （1997））。狭义上将仅指对金融市场各个变量参数的计量建模（Bollerslev （2001）、Engle（2001））。象Bollerslev 和Engle他们一直以时序建模为核心致力于对金融市场的计量分析，自然很容易将实证金融和连续金融排斥在金融计量范畴之外，相反以实证见长的Campbell等人是不会同意的。本文将采用Campbell等框架，因为在高频数据分析对金融市场的计量建模、实证金融、乃至连续金融都将产生巨大的挑战和冲击，从而也加速了各个研究领域的融合。当然这里仅限于以金融市场作为研究对象，自然就放弃了有关宏观经济中金融领域方面的研究（如金融政策、金融机构分析等）。侧重于从交易者（或称金融市场上的消费者）角度研究各种信用市场（如股票市场、外汇市场等）的内部结构和运作规律。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（简称价格和市场假设），研究如何进行最优投资和资产定价。经典的价格假设主要指随机游走假设（离散状态）和几何Brown运动（连续情形），由这两个基本假设是可以逐步放松到其他情形的价格假设。市场假设主要包括包括三个方面：交易者效用函数（如HARA型）、市场均衡与无套利假设（如完全市场）、和市场摩擦假设（如完美市场）。从Markwitz的均值-方差分析（Markwitz （1987））到Merton的连续跨期投资模型（Merton（1990））给出了在不断放松的价格和市场假设下最优投资策略问题的基本分析框架。而最优的资产定价无非不能给其他交易者有套利的机会，也即无套利假设（当然如何更宽泛地定义无套利是目前重要的研究领域）。Duffie （1996）、Karatzas and Shreve（1997）、JIA-AN Y AN（1998）比较理论地总结了这方面的主要研究成果。Hunt and Kennedy（2000）则侧重于定价实证方面的结果总结。这里值得特别提出的目前一个重要的研究热点领域就是如何确定连续定价模型里的波动率参数，特别是如何将已有计量模型（如GARCH类模型）引入定价框架中。Jin-Chuan Duan（1995，1997，1999）较为成功地得到GARCH离散资产定价公式，并研究相应的模型估计问题。有关这方面的文献可参见GUO（2001）。Sundaresan（2001）、Campbell（2001）是目前对整个连续金融领域研究最好的文献综述。 模型所依赖的假设似乎是理论工作者的“天敌”，他们一直热衷于对假设的检验和拓展。对上述市场假设而言，对它的修正和改进产生了两个重要的研究领域：行为金融和不完全市场研究。Shiller（1984）和Summer（1986）是两篇行为金融领域开创性的文章，他们假设如果交易者是非理性的或具有怪异的效用函数，如果市场存在有限套利（limited arbitrage），——即由于市场交易费用或制度限制的存在使得交易者无法对任何套利机会都可以实施套利，然后去研究交易者在这种市场中如何进行最优资产配置和定价。Shiller（1999）和Shileifer （2000）初步系统化已有的主要行为金融方面的研究成果。不完全市场的研究可能永远都会是金融领域的研究重点，因为理论模型不可能完全与现实相吻合。Constantinides（1986）、Davis and Norman（1990）、V ayanos（1998）是研究带交易费用的最优资产配置比较有影响的文献；Cox and Huang（1989）提出了一种新的鞅表示定理替代一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。He and Pages（1993）、Cuoco（1997）研究了在劳动收入与证券组合交易限制（如卖空）情形下的消费-投资问题。Shapirol （1998）、V erorresi（1999）和XIA 1本研究得到中国人民大学应用统计研究中心的资助，特别感谢！
数据挖掘在操作风险的量化和管理中的应用 根据《新巴塞尔资本协议》（）给出的定义，“操作风险是指由于不正确的内部操作流程、人员、系统或外部事件所导致的直接或间接损失的风险。”这一定义侧重于从操作风险的成因包括法律方面的风险，但将策略风险和声誉风险排除在外。随着世界经济和银行业的发展，多种可供分析的操作风险管理方法正在逐渐的形成，商业银行多年来一直试图对它进行一定程度的控制，定性并尝试测量这一风险，作为非金融机构的财务公司也不例外。在量化模型技术的推动下，操作风险量化测评和管理的技术获得了相当大的发展。操作风险管理能通过减少风险、改善服务质量和降低经营成本，从而形成一种竞争优势并在股东价值中得到相应体现。本文拟从数据分析与挖掘角度入手，对财务公司操作风险的量化测评和管理进行初步探讨和简要分析。 一、解决问题的整体思路 财务公司要实现科学且合理的对操作风险进行量化测评与管理，一般要进行以下几个步骤的工作：数据挖掘→数据分析→模型构建→模型检验。其具体思路如下图所示： 图：操作风险量化测评和管理的整体思路
分类梳理，明确其业务流程，找出关键节点，并在关键节点处科学设置风险监测指标，通过对风险监测指标的观测来纵向监控各业务模块的操作风险。需要注意的是，依据对操作风险模型构建的要求，财务公司在设置风险检测指标时，将这些指标划分为操作风险事件发生频率指标（以下简称为“频率指标”）和操作风险事件损失指标（以下简称为“损失指标”）。在完成风险指标设置的工作后，财务公司对上述指标进行横向分类，即按照人员、系统、流程和外部事件所引发的四类风险，将上述风险监测指标分别归类于七种表现形式：内部欺诈，外部欺诈，聘用员工做法和工作场所安全性，客户、产品及业务做法，实物资产损坏，业务中断和系统失灵，交割及流程管理。财务公司通
《金融数据分析》课程教学大纲 （Analyses of Financial Data） ----and Application of SPSS 一、课程说明 课程编码：225212101 课程总学时（理论总学时/实践总学时）51（34/17） 周学时（理论学时/实践学时）3（2/1） 学分: 2.5 开课学期: 5 1．课程类别与性质： 专业限修课程 2．适用专业与学时分配： 适用于信息与计算科学(金融服务方向)专业。 教学容与时间安排表
3．课程教学目的与要求： 学生通过本课程的学习，了解对金融数据进行统计分析的原理和过程，了解各种数据分析模型、统计分析方法的使用条件、应用场合、所需参数及模型的性质，能按照模型的要求输入基本数据合参数，进行运算和统计分析，掌握数据输入、数据分析、数据转换、选择和加权等技巧，掌握各种基本的统计分析模型的计算方法，能根据数据来源、数据类型和分析的目的要求选择适当的统计分析模型进行分析，能对输出结果能作出合理的解释和恰当的运用。 （2）教学要求 4．本门课程与其它课程关系： 本课程属于金融服务专业方向的限选课程，它的前期课程包括：概率论、应用统计、及相关的金融类课程与计算机及软件类课程。 5．推荐教材及参考书： 教材： 《数据统计分析----SPSS原理及应用》（高等学校教材），黄润龙，管于华编，高等教育，2010， 参考书： 《SPSS 18---数据分析基础与实践》，洪成编著，电子工业，2010， 《深入浅出数据分析》， Michael Milton著，芳译，电子工业，2010， 《金融时间序列分析》， Ruey S. Tsay著，家柱译，机械工业，2008， 6．课程教学方法与手段： 课堂理论教学与实验教学相结合，重视学生的理解与实际应用的操作能力。 7．课程考试方法与要求： 本课程是基本知识与实际数据分析相结合的课程，因此本课程考试分为二部分：第一部分由小组进行案例分析，主要是学生组织，论文答辩类型的小组分析；
数据分析调查报告模 版 Revised on November 25, 2020
数据分析调查报告模版 下面是我对数据分析的一些格式及规范要求 数据分析应当包括以下几个主要部件： 1.样本情况分析及调查工具说明 2.调查结果分析 以图表加文字的方式呈现数据分析的结果，并对结果简单的解释与说明。（1）表格设计的要求 表格应为三线表（自动套用格式中的“简明Ⅰ型”），表格应当包括表序号、表题目，及数据内容。其中表格中的数据及文字小正文一号，表格序号在报告中进行统一设计与安排，且表格题目应当在表格的正中上方。 图表的设计要求，图表设计大小应当与正文的文字大小匹配，图表应当包括图序号，图题及图形。其中图序号在报告中也应当进行统一设计与安排，但不得与表格序号混用。图题目应当在图表的正中下方，图中的数据与文字也应当比正文文字小一号。 一些简单与明白的数据结果，仅以表格陈述就可以。但如果数据结果比较复杂，数据结果比较繁多，那么可以将表与图结合起来进行数据结果描述。这样既给读者具体的数据结果信息，亦能使数据信息以很具像的方式进行呈现。 （2）结果的分析应体现层次性。一般按大家的操作化结构，分专题进行结果分析。每个专题结束之后，应当进行简要的总结与归纳，突出其中一些主要或令人意外的结果。最后，在所有的专题分析完之后，应当有一个综合的分析，并在其中陈列本次调查结果中最具有价值的一些结果与结论。 （3）结果分析中，禁止用大量的文字对结果进行说明性的描述，请大家尽量使用简洁与简单的方式陈述结果，但也不能只为追求很少的文字，对一些内容结果进行有选择性的删除，务必做到二者的平衡。 （4）调查报告中，如果有引入统计符号，所有的统计符号均为斜体表示。 请大家先自学教材后面附录二中的社会调查报告实例，然后再参考下面的一份调查报告样例： 浙江农村广播调查报告 一、调查背景 …… 二、调查方法
2017互联网金融行业分析报告数据能力：互联网巨头发展金融最大优势 数据金融：金融的本质是数据，以及基于数据的建模和风险定价。互联网公司及科技公司拥有海量用户数据，有机会借由数据挖掘和建模，成为传统金融公司之外的数据金融新贵。全球互联网上市公司总市值约2万亿美金，而金融市场规模则在300万亿量级。 中国传统银行的征信记录仅覆盖总人口的35%，远低于互联网52%的覆盖率。互联网巨头拥有了极大的数据先发优势。虽然中国的央行征信及传统金融业务数据不对互联网公司开放，但丰富的社交、线上消费及转账行为数据能够在风控和征信中发挥巨大作用。 据CNNIC统计，截止2016年底，我国网民规模达7.31亿，手机网民占比达95.1%，其中手机支付用户达到4.7亿。随着中国移动互联和移动支付渗透率的不断提高，网民在互联网上留下的数据踪迹成指数级增长，这些数据不仅包括了基本的实名制用户信息，更重要的是体现了用户的消费历史、社交行为、生活开支甚至是理财偏好。 蚂蚁金服和腾讯金融拥有自己的征信数据来源和技术，使其能够绕开传统金融，独立解决陌生人交易场景中的身份及违约风险评估问题。在数据金融的竞争格局下，互联网巨头将首先受益数据优势带来的用户价值增长。
随着移动支付成为大众习惯，互联网金融规模保持着高速上涨，截至2016年，中国互联网金融总交易规模超过12万亿，接近GDP总量的20%，互联网金融用户人数超过5亿，位列世界第一。 相对的是，银行卡和传统金融网点的重要性被不断削弱。银行卡是我国传统金融机构触及客户的主要产品，然而随着电子支付的爆发，银行卡的吸引力不断减弱，手机号实名制和生物身份验证为互联网金融提供了与传统银行卡相同等级的安全保障，网络资管规模将在一段时间内保持高速增长。 目前全球27家估值不低于10亿美元的金融科技独角兽了中，中国企业占据了8家，融资额达94亿美元。中国互联网金融服务市场规模巨大，增速较高，有望成为互联网公司的下一金矿，在数十亿市场空间里，数字金融巨头已经出现雏形。
金融数据分析报告
2001年-2011年中国城乡居民食品消费情况调查 一．实验类型 探究型实验。本实验主要收集2001年-2011年有关城乡食品消费调查数据，对城乡居民食品消费进行分析。 二．实验目的与要求 掌握金融基础数据的收集渠道了解我国10年来中国城乡居民食品消费情况对食品消费进行分析探究消费和收入的关系 三．实践背景 改革开放以来中国经济水平不断提高城乡居民膳食结构有较大的改善营养水平也随之提高。其中居民收入增长对食品消费结构调整产生很大的影响。2001-2011年间城镇居民恩格尔系数一直在35 %-38 %之间波动人均可支配收入也从6859.6元涨到21 809.8。 四．实践环境 数据处理软件工具：微软word Excel 数据基础：《中国统计年鉴》包慧敏. 中国城镇不同收入阶层居民消费行为及消费结构分析 五．实验原理 19世纪德国统计学家恩格尔根据统计资料，对消费结构的变化得出一个规律：一个家庭收入越少，家庭收入中（或总支出中）用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中（或总支出中）用来购买食物的支出比例则会下降。推而广之，一个国家越穷，每个国民的平均收入中（或平均支出中）用于购买食物的支出所占比例就越大，随着国家的富裕，这个比例呈下降趋势。 四．实践步骤 第一步基础数据的统计处理从《中国统计年鉴》中下载对每一年城镇和农村居民恩格尔系数数据整理后制成折线图进行对比得到图一如下
第二步对城镇和农村居民消费食品的种类和数量进行统计和整理制得表1 和表2如下 第三步通过横向对比对数据和图形进行分析得出结果 中国农村居民人均消费粮食呈逐年减少的趋势，2001年237.98 kg，2011年减少到170.74 kg。随着农村人均收入的提高，人们生活水平也在稳步提高，食品消费结构从以主食消费为主转向副食，其结构多样化趋势凸显。 城乡居民食品消费水平和营养水平差异较大，中国城镇居食物消费水平起点较高，消费量和消费结构的变化相对较小。而农村居民食物消费水平虽然有较大提高，但整体消费水平仍然偏低，食物消费结构尚存在较大的调整空间 食品消费水平有差别，消费结构存在差异
数据分析员工作总结 在数据分析岗位工作三个月以来，在公司领导的正确领导下，深入学习关于淘宝网店的相关知识，我已经从一个网店的门外汉成长 为对网店有一定了解和认知的人。现向公司领导简单汇报一下我三 个月以来的工作情况。 一、虚心学习 努力提高网店数据分析方面的专业知识作为一个食品专业出身的人，刚进公司时，对网店方面的专业知识及网店运营几乎一无所知，曾经努力学习掌握的数据分析技能在这里根本就用不到，我也曾怀 疑过自己的选择，怀疑自己对踏出校门的第一份工作的选择是不是 冲动的。 但是，公司为我提供了宽松的学习环境和专业的指导，在不断的学习过程中，我慢慢喜欢上自己所选择的行业和工作。一方面，虚 心学习每一个与网店相关的数据名词，提高自己在数据分析和处理 方面的能力，坚定做好本职工作的信心和决心。另一方面，向周围 的同同事学习业务知识和工作方法，取人之长，补己之短，加深了 与同事之间的感情。 二、踏实工作 努力完成领导交办的各项工作任务三个月来，在领导和同事们的支持和配合下，自己主要做了一下几方面的工作 1、汇总公司的产品信息日报表，并完成信息日报表的每日更新，为产品追单提供可靠依据。 2、协同仓库工作人员盘点库存，汇总库存报表，每天不定时清 查入库货品，为各部门的同事提供最可靠的库存数据。 3、完成店铺经营月报表、店铺经营日报表。
4、完成每日客服接待顾客量的统计、客服工作效果及工作转化率的查询。 5、每日两次对店铺里出售的宝贝进行逐个排查，保证每款宝贝的架上数的及时更新，防止出售中的宝贝无故下架。 6、配合领导和其他岗位的同事做好各种数据的查询、统计、分析、汇总等工作。做好数据的核实和上报工作，并确保数据的准确性和及时性。 7、完成领导交代的其它各项工作，认真对待、及时办理、不拖延、不误事、不敷衍，尽量做到让领导放心和满意。 三、存在的不足及今后努力的方向 三个月来，在公司领导和同事们的指导和配合下，自己虽然做了一些力所能及的工作，但还存在很多的不足，主要是阅历浅，经验少，有时遇到相对棘手的问题考虑欠周密，视角不够灵活，缺乏应变能力;理论和专业知识不够丰富，导致工作有时处于被动等等。 另外，由于语言不通的问题，在与周围的同事沟通时，存在一定的障碍。 针对以上不足，在今后的工作中，自己要加强学习、深入实践、继续坚持正直、谦虚、朴实的工作作风，摆正自己的位置，尊重领导，团结同事，把网店的数据分析工作做细做好。 四、对公司人员状况及员工工作状态的分析 1、对公司人员状况的分析要想管好一个企业，首先要管好这个企业的人，要想管好一个企业的人，首先要对这个企业人员的基本情况有个比较全面的、细致的、科学的正确的了解。 目前公司成员大部分为90后，是一个年轻化的团队。他们大部分在长辈们的宠爱中长大，心理素质不怎么成熟，没有自信心，没有目标，责任心不强，不怎么能吃苦，心理承受能力较弱，不爱学习，不明白工作的真正意义。不过也有一部分比较懂事，做事比较踏实、勤奋、性格也比较好。
大数据分析平台的需求报告 提供统一的数据导入工具，数据可视化工具、数据校验工具、数据导出工具和公共的数据查询接口服务管理工具是建立大数据 分析平台的方向。 一、项目范围的界定 没有明确项目边界的项目是一个不可控的项目。基于大数据 分析平台的需求，需要考虑的问题主要包括下面几个方面： （1）业务边界：有哪些业务系统的数据需要接入到大数据分析平台。 （2）数据边界：有哪些业务数据需要接入大数据分析平台，具体 的包括哪些表，表结构如何，表间关系如何（区别于传统模式）。 （3）功能边界：提供哪些功能，不提供哪些功能，必须明确界定，该部分详见需求分析； 二、关键业务流程分析 业务流程主要考虑包括系统间数据交互的流程、传输模式和 针对大数据平台本身涉及相关数据处理的流程两大部分。系统间的数 据交互流程和模式，决定了大数据平台的架构和设计，因此必须进行 专项分析。大数据平台本身需要考虑的问题包括以下几个方面： 2.1 历史数据导入流程 2.2 增量数据导入流程 2.3 数据完整性校验流程 2.4 数据批量导出流程 2.5 数据批量查询流程 三、功能性需求分析
3.1.1 XX系统数据3.1.1.1 数据清单 (3) 3.1.1.2 关联规则 (3) 3.1.1.3 界面 (3) 3.1.1.4 输入输出 (3) 3.1.1.5 处理逻辑 (3) 3.1.1.6 异常处理 (3) 3.2 增量数据导入 3.3 数据校验 3.4 数据导出 3.5 数据查询 四、非功能性需求 4.1 性能 4.2 安全性 4.3 可用性 … 五、接口需求 5.1 数据查询接口 5.2 批量任务管理接口
《金融数据分析》教学大纲 The Course Outline of Financial Data Analysis 课程编号：151222B 课程类型：专业选修课 总学时：32 讲课学时：16 实验（上机）学时：16 学分：2 适用对象：金融学（金融经济实验班） 先修课程：计量经济学、微观经济学、宏观经济学、概率论与数理统计、线性代数、微积分 Course Code: Course Type: Discipline Elective Course Periods: 32 Lecture: 16 Experiment (Computer): 16 Credits: 2 Applicable Subjects: Finance（Finance and Economics Experiment Class） Prerequisite Courses: Econometrics, Microeconomics, Macroeconomics, Probability and Statistics, Linear Algebra, Calculus 一、课程简介 本课程是面向金融学、经济学和管理学相关专业的高年级本科生开设的学科专业选修课程，主要介绍应用于金融数据分析中的经典计量方法，并注重培养学生的实际操作能力。 Financial data analysis is an elective course for advanced undergraduate students majored in finance, economics and management. In this course, we not only introduce basic econometric methods applied to financial data, but also train students’ practical skills of handling financial data.
项目数据分析报告模板 目录 第一章项目概述 此章包括项目介绍、项目背景介绍、主要技术经济指标、项目存在问题及建议等。 第二章项目市场研究分析 此章包括项目外部环境分析、市场特征分析及市场竞争结构分析。 第三章项目数据的采集分析 此章包括数据采集的内容、程序等。第四章项目数据分析采用的方法 此章包括定性分析方法和定量分析方法。 第五章资产结构分析 此章包括固定资产和流动资产构成的基本情况、资产增减变化及原因分析、自西汉结构的合理性评价。 第六章负债及所有者权益结构分析 此章包括项目负债及所有者权益结构的分析：短期借款的构成情况、长期负债的构成情况、负债增减变化原因、权益增减变化分析和权益变化原因。 第七章利润结构预测分析 此章包括利润总额及营业利润的分析、经营业务的盈利能力分析、利润的真实判断性分析。 第八章成本费用结构预测分析 此章包括总成本的构成和变化情况、经营业务成本控制情况、营业费用、管理费用和财务费用的构成和评价分析。 第九章偿债能力分析 此章包括支付能力分析、流动及速动比率分析、短期偿还能力变化和付息能力分析。 第十章公司运作能力分析 此章包括存货、流动资产、总资产、固定资产、应收账款及应付账款的周转天数及变化原因分析，现金周期、营业周期分析等。 第十一章盈利能力分析 此章包括净资产收益率及变化情况分析，资产报酬率、成本费用利润率等变化情况及原因分析。 第十二章发展能力分析 此章包括销售收入及净利润增长率分析、资本增长性分析及发展潜力情况分析。 第十三章投资数据分析 此章包括经济效益和经济评价指标分析等。 第十四章财务与敏感性分析 此章包括生产成本和销售收入估算、财务评价、财务不确定性与风险分析、社会效益和社会影响分析等。 第十五章现金流量估算分析 此章包括全投资现金流量的分析和编制。 第十六章经营风险分析 此章包括经营过程中可能出现的各种风险分析。 第十七章项目数据分析结论与建议 第十八章财务报表 第十九章附件 大致包括这些内容，可以根据实际要求增减
金融数据处理方案设计 基于Eviews 班级: 学号: 姓名: 成绩: 优良中及不 2018 年1月11日
实训目的及内容 实训目的 根据所掌握的计量经济学等相关知识，利用相关计量软件，分析金融数据，验证金融基本理论或模型。 实训内容 金融学理论范畴非常广泛，包括的知识体系非常大。鉴于金融资产投资人 最关注的是其收益和风险，我们可以从以下项目选做：（1）收益率分析及其波 动性；（2）投资组合理论与资本资产定价模型；（3）固定收益证券分析；（4）基于VaR的金融风险分析于度量；（5）衍生产品分析预定价等等。 实训项目
项目一：Eviews 简介 （说明：介绍内容不作硬性规定，以回忆其功能、可以做什 么为主要目的，内容要求一页半到两页，不能超过两页，不要抄袭大篇东西，要总结归纳的东西） 小四号字，行间距1.25，首行缩进2 字符。
项目二：股票收益率基础分析 一、相关理论分析 （一）简单收益率 股票收益率指投资于股票所获得的收益总额与原始投资额的比率。股票得到投资者的青睐，是因为购买股票所带来的收益。股票的绝对收益率就是股息，相对收益就是股票收益率。股票收益率的计算公式：股票收益率= 收益额/原始投资额，运用金融学知识，计算股票收益率其中，简单收益率公式=（卖出价-买入价）/买入价 （二）对数收益率 对数收益率同连续复利收益率R′=ln(1+R)(1) (三)股利收益率 股利收益率，又称获利率，是指股份公司以现金形式派发的股息或红利与股票市场价格的比率其计算公式为：股利收益率=（每股股利/每股原市价）×100%，该收益率可用计算已得的股利收益率，也能用于预测未来可能的股利收益率。 (四)持有期收益率 持有期收益率指投资者持有股票期间的股息收入和买卖差价之和与股票买入价的比率。其计算公式为：[现金股息+(股票卖出价-股票买入价)]/股票买入价×100%，股票还没有到期日的，投资者持有股票时间短则几天、长则为数年，持有期收益率就是反映投资者在一定持有期中的全部股利收入以及资本利得占投资本金的比重。持有期收益率为投资者最关心的指标，但如果要把它与债券收益率及银行利率等其他金融资产的收益率作比较，必须注意时间的可比性，即要把持有期收益率转化为年率。
金融数据分析师的岗位职责 金融数据分析师负责为公司处理客户的相关工作，并协助经理的工作事务。下面是小编为您精心整理的金融数据分析师的岗位职责。 金融数据分析师的岗位职责1 职责： 1.定期整理交易数据，向上级领导账户分析结果; 2.按照要求进行技术和基本面规律的分析，进行数据的搜集及整理; 3.严格执行公司各项制度，配合部门领导有关工作; 4.负责为客户提供完善的理财计划及信息咨询; 5.遵守公司的各项管理制度，承办领导交办的其他工作。 要求： 1、对金融经济知识感兴趣，希望踏足金融圈的; 2、有无经验亦可，金融专业以及具有操作经验者优先考虑;
3、有较强的学习能力，公司提供完善免费的交易培训; 4、有求知欲，有集体荣誉感，有上进心，有赚钱的信心和欲望; 5、有冷静的头脑与不被别人影响的判断力，能够坚持己见。 金融数据分析师的岗位职责2 职责： 1、负责为客户提供专业的投资理财、外汇信息分析研究; 2、负责公司外汇业务分析及上市报表管理; 3、负责对外汇行业的信息管理系统进行业务系统分析; 4、负责对外汇进行业务管理和分析，提出优化管理流程的策略或建议; 5、负责跟踪宏观经济发展动态，寻找投资机会; 6、配合销售人员进行市场营销和客户培训。 岗位要求： 1、中专及以上学历，经济、金融等相关专业; 2、具有金融分析投资经验，有分析师执业资格者优先;
3、具有丰富的金融基础理论知识，善于进行行业研究和挖掘; 4、熟悉外汇股票公司决策流程和各个交易管理系统; 5、具有较强的逻辑思维能力、创新和钻研精神; 6、具有很强的文字表达能力和金融分析能力; 7、具有很强的工作责任心和团队精神 金融数据分析师的岗位职责3 职责： 1、协助分析师搜集行业相关信息，为相关需求者提供更准确的信息。 2、协助部门经理完善部门管理制度。 3、协助数据分析师进行演讲讲座，定期为需求者讲解金融二级市场最新趋势，以及对需求者进行交易分析 4、对基本面、技术面进行分析研究，给出行情走势分析和判断，撰写研究报告上交公司， 5、分析大盘行情走势，为其他部门提供有价值的信息 任职要求：
第30卷第3期财经研究Vol130No13 2004年3月Journal of Finance and Economics Mar12004 金融高频数据分析的现状与问题研究 常 宁1,徐国祥2 (11上海财经大学统计学系,上海200433; 21上海财经大学应用统计研究中心,上海200433) 摘 要:近年来,在西方国家对金融高频数据的分析已成为实业界和学术界的热点问题和难点问题。本文讨论了金融高频数据的概念和特征,分析了对高频数据分析的基本动因,阐述了金融高频数据分析已涉及的主要领域,探讨了金融高频数据分析中遇到的问题。最后,还对金融高频数据分析的发展趋势作出了展望并探讨了我国在这一领域应用研究的重点。 关键词:金融市场;证券市场;金融高频数据分析;市场微观结构 中图分类号:F830191 文献标识码:A 文章编号:100129952(2004)03-0031-09 一、金融高频数据及其特征分析 11什么是金融高频数据 近年来,计算工具与计算方法的发展,极大地降低了数据记录和存储的成本,使得对大规模数据库的分析成为可能。所以,许多科学领域的数据都开始以越来越精细的时间刻度来收集,这样的数据被称为高频数据(highνfre2 quency data)。金融市场中,逐笔交易数据(transactionνbyνtransaction da2 ta)或逐秒记录数据(tickνbyνtick data)就是高频数据的例子,值得注意的是这里的时间通常是以“秒”来计量的,具体如N YSE(New Y ork Stock Ex2 change)的交易与报价数据库(Trades and Quotes)所记录的从1992年至今的N YSE、NASDAQ和AM EX(American Exchange)的全部证券的日内交易和报价数据、Berkeley期权数据库所提供的1976年8月至1996年12月的期权交易数据、以及美国外汇交易HFDF93数据库中德国马克-美元的现汇交易报价数据等,都是金融高频数据。 21金融高频数据的主要特征 收稿日期:2003212208 作者简介:常 宁(1973-),女,陕西西安人,上海财经大学统计学系教师,经济学博士; 徐国祥(1960-),男,上海人,上海财经大学应用统计研究中心主任,统计学系教授,博士生 导师。
金融信息系统分析和数据库设计 一、系统分析： 1、简单的金融信息系统实现对用户的管理以及对账户信息的系统整 理和查询，使用户方便快捷地得到自己想要的结果。这就要求系统 必须要有一个完整的功能和易于操作的界面。 2、首先，用户想要了解信息，必须先登录账号，如果已经有了账号， 可以直接登录。若没有，要求用户提供个人真实信息注册，注册成 功后方可登录系统进行操作。 3、其次，系统要能实现对账户的管理，包括增加、修改（密码）、注 销等操作。 4、系统要能统计个人账户信息，例如账户余额，收入支出信息，并且 能进行保存。 5、系统要能统计当前所有账户的余额总额，但要求账号必须有效且未 被冻结。 6、具体流程如下：
二、部分代码： 1、登录与注册： Public class User Service{ Public Boolean login(String u,String p){} /:登录构造函数，成功返回true，失败返回null:/ Public Boolean register(String u,Stringp){}/: 注册构造函数，成功返回true，
失败返回null:/ } Public class UserDao{ Public Boolean logindata(string u,string p) { r=select count from user where username=u and password=p; //在数据库里查找用户名为u并且密码为p； return (r==true); } Public Boolean registerdata(string u,string p)｛ //利用JDBC r=select count from user where username==u ? false:true //判断新注册的用户名与数据库里的用户名是否重名 return （r==true）; ｝ } Public class User Service{ public boolean login(String u,String p){ UserDao user=new UserDao(); boolean r=user.logindata(u,p); return r; } Public Boolean register(string u,string p){ UserDao user=new UserDao(); Boolean b=user.registerdata(string u,string p) return b; } } 2、查询余额： Public class AccountService{ Public float getTotal(string u){}//参数为username Public float getTotal(int uid){}//参数为用户id }