前  言

(超)高频数据在金融领域的应用，不仅改变了市场原有的交易方式，还对金融资产的定价及市场的微观结构产生了深远的影响。高频交易所带来的流动性增强、异常波动增多等新特征，要求投资者、监管机构和研究人员及时适应市场变化，一方面要提高对风险的管控能力，进一步优化资产配置，另一方面也要加强对市场运行规律的研究。因此，对当前我国衍生品高频特征的研究就显得十分有意义。

与西方发达国家相比，我国金融市场起步较晚。20世纪90年代，金融衍生品市场在金融市场化改革背景下应运而生，衍生品市场从无到有，经历了从商品期货到金融期货的发展过程。目前，我国金融衍生品市场中期货、期权及ETF期权等衍生产品日益丰富，无论是市场深度还是广度都有了较大的提升，其中以上证50期权和沪深300期货交易最为活跃。产品的丰富必然带来交易的多样化，市场的微观结构特征也必然受到冲击。因此，《金融(超)高频数据建模与分析》从实证的角度，在价格发现和波动率建模两个方面总结、归纳市场高频特征与规律。

对价格发现的研究由来已久。价格发现的功能主要是指在新信息的作用下，多个市场价格通过动态调整，重新形成均衡价格的过程。价格发现是期货市场的一个重要的经济功能，也是期货市场存在和发展的基础功能。

《金融(超)高频数据建模与分析》分上篇和下篇。上篇以上证50期权为研究对象，研究期权产品的价格发现功能，检验期权期货的市场功能，探究价格发现功能的时变性和日内效应，揭示影响价格发现功能的主要因素。

在下篇中，我们专注于沪深300股指期货日内高频波动率的研究，这是由于沪深300 股指期货流动性强，吸引了众多高频交易投资者参与其中。高频交易离不开风险管理，而日内高频波动率是风险管理的核心指标。在波动率的各种估计方法中，以ARCH/GARCH类模型最为成熟，应用也最为广泛。但高频分析必然会伴随市场噪声干扰，如何平衡噪声干扰和市场信息的影响，则需要优化抽样频率并评估预测，然后对不同模型的预测效果做评价。日内高频波动率具有哪些特征？如何估计？如何建模？哪种抽样间隔最优？这是下篇内容所要回答的主要问题。这类研究的现实意义十分明显：运用波动率的变化规律可以管控风险，优化投资组合，甚至有助于制定适当的监管措施。

从《金融(超)高频数据建模与分析》结构看，前6章为上篇，介绍了《金融(超)高频数据建模与分析》所涉及的基础理论，主要讨论价格发现的功能，内容包括多时间角度分析、市场微观结构和宏观经济信息对价格发现功能的影响等。后5章为下篇，主要讨论波动率建模分析预测，内容包括ARMA/GARCH类的各种模型建模研究和波动率预测及其精度评价，最后对金融衍生品的发展趋势进行讨论，并给出一些建议。

《金融(超)高频数据建模与分析》是关于对中国金融衍生品市场的实证研究，通过高频数据建模与分析的方法讨论价格发现和波动率的一些特征，试图总结归纳其市场运行规律。一方面，希望可以帮助读者理解价格发现的功能，揭示风险和投资管理；另一方面，希望能够为监管机构的日常监管工作和政策制定做出贡献。

《金融(超)高频数据建模与分析》是作者进行多年研究与积累的成果，谨代表作者的观点，与作者所在单位无关。另外，因水平有限，书稿难免有疏漏，请各位读者予以指正，不胜感激。

编  者

2021.6