近年来，高频金融数据建模逐渐成为国内外研究的热点，高频交易模式也逐渐在华尔街等主流金融市场流行．本书对已有的研究方法及成果进行归纳、梳理并集结成书，以帮助读者打开高频金融数据分析与研究领域之门．全书共14章，按照研究内容可分为4大部分．第一部分为第1~3章，包括绪论、预备知识、证券市场微观结构基础等内容，主要给出高频金融数据研究的背景和现状、必备的随机分析基础知识、证券市场运行的基本知识等．第二部分为第4~8章，主要介绍基于高频数据的积分波动率和瞬时波动率的估计问题的研究．第三部分为第9~11章，讨论高频金融数据中普遍存在的跳跃行为，主要包括一维和多维情况下跳跃行为的检验方法及跳跃特征行为的研究．第四部分为第12~14章，主要针对已实现向上和向下幂变差展开讨论，在此基础上对扩展出来的正负跳跃度量与交易量、日内序列相关性之间的关系进行实证研究． 本书可作为高等院校金融专业、统计专业、数学专业本科生和研究生的教材或参考书，也可作为金融从业人员的参考书．

张波，香港科技大学理学博士。现任中国人民大学统计学院教授，博士生导师，副院长。中国现场统计学会常务理事，美国统计协会会员。国际学术期刊Communication in Statistics—Theory and Method, Communication in Statistics—Simulation and Computation和 Journal of Data Science的副主编（Associate Editor）。担任国内外20多个学术期刊匿名评审人，在国内外学术期刊上发表论文80余篇，其中SCI,SSCI收录30余篇。曾先后主持完成多项国家自然科学基金、国家社科基金研究项目。�

20世纪90年代以前，学者们对金融市场进行实证研究所依据的数据都是日、周、月、季度或者年度等频率数据，这种金融数据在金融计量学研究领域通常称为低频数据．由于金融市场往往是连续运行的，基于低频数据的金融市场研究无疑会造成大量有用市场信息的损失．因此一种能更准确地描述金融市场运行原始特征的高频数据呼之欲出．所谓高频数据即日内数据，是指在金融市场运行过程中以小时、分钟、秒或实际交易间隔为采集频率的数据．近年来，随着计算机与通信技术的迅猛发展，记录、收集、存储和操作金融市场实时交易数据的成本大大降低，越来越多的学者、市场交易者开始尝试寻找和挖掘埋藏在海量、高频交易数据中的金矿．高频金融数据建模理论与实证研究成为金融、统计、计量经济学等学科的热门研究题目，高频交易模式也逐渐在华尔街等主流金融市场流行．我们自2006年开始学习高频金融数据的研究方法，通过多年的科研、教学积累，在该领域取得了一定的成绩和进展，部分研究成果也得到了学界的认可．我们对近几年在高频金融数据研究领域取得的研究成果进行了归纳、梳理，并集结成书，希望本书能为对该领域感兴趣的研究人员、金融从业者提供有价值的参考． 本书共14章，按照内容可分为4大部分．第一部分包括绪论、预备知识、证券市场微观结构3章，主要给出高频金融数据研究的背景和现状、必备的数学知识背景、证券市场运行的基本知识等内容．第二部分为第4~8章，主要介绍基于高频数据的积分波动率和瞬时波动率的估计问题．第三部分为第9~11章，主要研究了高频金融数据中普遍存在的跳跃行为，主要包括一维和多维情况下跳跃行为的检验方法及跳跃特征行为的研究．第四部分为第12~14章，主...