本文以2001年3月1日至2008年2月29日的上证综指5分钟高频数据为基础，在参数模型框架内探讨了中国股市价格的跳跃行为。我们讨论了跳跃及一般几何Levy过程的性质，推导了最常见的跳跃-扩散模型的矩条件，并据此估计出了模型参数；此外分别通过Monte-Carlo模拟和Laplace逆变换得到了收益率的概率分布并分析了跳跃过程对其的影响。我们的主要发现是上证综指确实存在跳跃，而且跳跃次数相当可观；引入了跳跃的几何Levy过程可以在一定程度上刻画“尖峰厚尾”现象，但对收益率分布特征的捕捉仍然有待改进；而且该模型在短期高估了跳跃的发生，在长期内又会低估。

本文以2001年3月1日至2008年2月29日的上证综合指数5分钟高频数据为基础，在非参模型框架内探讨了中国股市价格的跳跃行为。我们采用了基于Barndorff-Nielsen and Shephard（2004b，2006a）的方法，通过计量经济学的理论检验证明了跳跃的存在；进而剥离出了股价行为中的跳跃成分，对跳跃产生的时刻、幅度以及分布特征做了分析，并着重探讨了几个跳跃个例产生的原因，以及对跳跃剥离后的收益率进行了几何Levy过程建模分析。我们的主要发现是：一、在我们的样本中，跳跃发生的天数占到了7-17%，跳跃过程的方差贡献则为30%左右；二、跳跃幅度是非对称分布的，且有集聚现象；跳跃发生的频率也跟股市所处的阶段有关，与熊市相比，牛市中跳跃发生的次数较多，并且大多是正向的；三、跳跃剥离后的收益率无论是从其统计特征，还是从建模估计角度来看，都接近于正态分布；四、虽然有些跳跃我们可以找出其触发事件，但一般来说，跳跃产生的原因并不明朗，因而需要进一步的细致分析。

利用上市公司资本公积金转增股本的现象，本文结合高频分笔数据来研究公司股价被“拆低”以后，公司股票是否在流动性、投资者参与方面有所变化？并进一步考察这些因素是否会影响到公司在转增股本时的决策。结果发现，公司股价“拆低”以后，其二级市场的流动性得到显著提升，而且也显著地增加了公司的投资者参与度；而那些未发生股价“拆低”的配对样本在事件前后，流动性与投资者参与度并未发生明显差异。最后，基于序数Logit 模型的结果显示，公司在转增时并未将高频数据测度的市场流动性和投资者参与度放在重要的位置。

本文基于日内高频数据实证研究了上海A股、B股市场的收益率和交易量之间的同步和动态关系，实证结果表明在上海股市信息渐达假说较之混合分布假说更有一定的适用性，而且B股市场的信息不对称程度要大于A股市场，并进而带来了低效率。

本文基于复杂系统理论和非线性动力学原理，对现代金融交易市场的高频数据进行挖掘，运用金融孤子（非欧几何）构造投资模式，实盘交易中国金融市场(股票、期货)相关品种，证实在市场经济体系下，信息价值淹没在市场盘面的高频数据之中，通过有效的数据挖掘（Data Mining）从而实现知识发现（Knowledge Discovery in Database），具有信息不对称情况下的信息黑箱可视化（Information Black Box Visualization）意义。

金融安全，是国家安全的重要内容，关系到国家经济发展、社会稳定、国防巩固。在当前国际经济、金融一体化发展趋势中，金融市场安全的重要性尤为突出。特别是不断出现的金融风暴的影响和日益显著的金融市场波动的全球化趋势已使预测并控制大的金融风险成为各国政府和金融机构严重关注的问题，并且这个问题正在变得日益严峻。尽管金融交易市场价格波动预测是一个举世公认的国际性科学难题，但在强化各种减轻金融市场风险问题措施的同时，仍须大力推进金融市场数值预测研究。为此，需要打破长期徘徊在以线性的、完全理性的均衡范式的现代（主流）金融学为基础的经验性预测局面，把注意力尽快转向研究以非线性动力学为基础的金融交易市场价格波动数值预测。 当代电子计算机交易系统使得经济体系随时间的演化可以被连续地观察记录，现在已经存在大量记录的高频数据和金融数据库。金融市场交易系统提供的各种高频数据与物理学研究体系在时空结构上具有相当程度的严格对称性，可反应出系统的演化过程和行为特征，并且数值模拟技术已经为金融市场数值预测研究提供了前所未有的技术基础，因此现在已经进入了探索和构造金融市场物理模型并用高频金融数据检验这些模型的模式辩识与市场演化趋势跟踪能力的时代。以金融市场数值预测为目标的金融交易市场价格波动连续观测，价格波动非线性动力学，价格波动孕育和失稳过程的理论、模拟试验和实际观测，数据同化和计算软件的开发应成为今后研究的重点。现在的问题是，需要我们积极借助数值分析天气预报、物理建模地震预测和航位推算弹道导弹等学科领域的经验，强化多学科，多部门的组织协调，尽早在我国股市和期市开展金融交易市场价格波动动力学数值预测的科学试验。金融交易市场价格波动数值预测研究必将极大地促进我国金融市场基础研究和金融风险预警系统的进一步发展。

金融安全关系到国家经济发展、社会稳定、国防巩固，是国家安全的重要组成内容。在当前国际经济、金融一体化发展趋势中，金融交易市场安全的重要性尤为突出。特别是不断出现的金融风暴的影响和日益显著的金融交易市场波动的全球化趋势已使预测并控制大的金融风险成为各国政府和金融机构严重关注的问题，并且这个问题正在变得日益严峻。 目前，金融市场交易系统提供的各种高频数据与物理学研究体系在时空结构上具有相当程度的严格对称性，可反应出系统的演化过程和行为特征，并且数值模拟技术已经为金融市场数值预测研究提供了前所未有的技术基础，因此现在已经进入了探索和构造金融市场物理模型并用高频金融数据检验这些模型的模式辩识与市场演化趋势跟踪能力的时代。 尽管金融交易市场价格波动预测是一个举世公认的国际性科学难题，但在强化各种减轻金融交易市场风险问题措施的同时，仍须大力推进金融交易市场数值预测研究。为此，需要打破长期徘徊在以线性的、完全理性的均衡范式的现代（主流）金融学为基础的经验性预测局面，把注意力尽快转向研究以非线性动力学为基础的金融交易市场价格波动数值预测。 以金融交易市场数值预测为目标的非线性金融市场动力学的理论、模拟试验和实际观测，数据同化和计算软件的开发应成为今后研究的重点。现在的问题是，需要我们积极借助数值分析天气预报、物理建模地震预测和航位推算弹道导弹等学科领域的经验，强化多学科，多部门的组织协调，尽早在我国股市和期市开展金融交易市场价格波动动力学数值预测的科学试验。金融交易市场价格波动数值预测研究必将极大地促进我国金融市场基础研究和金融风险预警系统的进一步发展。

本文研究了上海证券市场高频数据的动态特征。首先用可变傅立叶回归证明并过滤出5分钟收益的周期性，并用GHP方法得到了长记忆维数的估计。结果表明，上海股市存在以日为单位的周期性特征和相当显著的长记忆性，这可以用微观市场信息不对称假说和定价机制得到说明。同时，还证明了可变傅立叶回归是分析高频数据的有效手段，是高频数据和低频数据研究方法转换的桥梁。

人们对股市的研究非常之多，对股市收益率和波动率有大量的讨论，过去的一、二十年里，关注的焦点在于运用时间序列模型如ARCH和GARCH等研究波动率，并运用灵活的估计方法，如GMM等来估计参数。近年来，人们更关注于高频数据、长记忆特性、重尾和多维变量的研究。可以说，在股市研究中广泛运用了统计模型和方法，是金融、经济学与统计学的完美结合。 生存分析（Survival Analysis）的模型和方法是工程、医学和生物学等领域中一个很受关心的内容，生存分析已成为现代数理统计的一个重要分支。许多统计学家在这一领域作出了大量工作，尤其是Cox的重要贡献。 本文将生存分析方法引入对股市的分析，因为股市指数的连续上涨和下跌可以看作是一种特殊的生存过程，当股指连续上涨到头转为下跌时，可以视作上涨的“死亡”；同样当股指连续下跌到头转为上涨时，可视作下跌的“死亡”，股指就是在这两种状态下不停地进行着“生”、“死”相互转化的。 股指连续涨跌的点数可以看作是连续的生存模型，而股指连续涨跌的天数可以看作是离散的生存模型。由于篇幅的限制，本文仅考虑股指连续涨跌点数这种连续的生存模型。在这一模型里，股指连续涨跌了多少点，可以看作是一个生存过程的时间