近年來，我國經濟日益融入世界，國内金融市場也不斷發展。與此同時，經濟全球化趨勢使得國際市場價格波動對我國經濟的影響也日益增強。随着經濟一體化與金融全球化的發展，實體經濟間的聯系紐帶、金融市場間的資本流動與信息傳遞機制都在加強，金融市場間的聯動趨勢也日趨明顯，特别是同質程度較高的金融市場，不同市場間彼此的收益、風險、泡沫、報酬等因素相互交織，各類投資與投機資本的配置能以最低成本迅速跨越國界向全球範圍擴展。在此背景下，某個金融市場波動帶來的正向或反向變化都可能引起全球金融市場資本間的流動，甚至引起衆多國家金融市場瞬時的波動“感染”，而這種“感染”就簡單地刻畫了金融市場間的傳染效應。近幾年發生的災難性金融事件使得金融機構和監管部門需要更為精确的風險度量。

研究金融風險傳染機制、如何檢驗風險傳染、度量風險傳染份額、傳染的滞後時間、傳染程度大小、以及對金融市場進行實證分析，估測金融風險的動态變化并進行實時監測，有助于為監管部門提供重要的理論和技術支持，對于應對金融危機并保持金融穩定有重要意義。

金融高頻數據相比低頻數據包含豐富的市場信息，并且現已成為金融工程研究領域的一大熱點，主要應用在金融高頻數據庫、統計特征、市場波動率及市場微觀結構理論的實證研究中。國内限于數據的可得性，在此方面的研究還比較有限，而且由于極度的尖峰厚尾和日内效應，常用的計量模型在高頻框架下也變得不太适用，迫切需要研究一些新的适用于高頻數據的計量方法，理論界也還沒有一個統一的高頻數據模型框架。

本研究拟從市場微觀結構角度，對利用高頻數據對風險傳染機制和動态模型進行研究，從低頻數據到高頻數據并不是一個簡單的移植，因此從方法上将是一項開創性的工作，為金融市場風險研究及聯動性研究提供新思路和新方法，本研究的主要内容包括：

（1）對高頻波動率的估計。要精确刻畫風險，對波動率的估計是關鍵。大多研究采用日度收益率的方差作為波動率指标，或利用傳統時間序列模型如GARCH等來刻畫波動率，但隻采用日度收盤價數據，這并不能真正捕獲實際市場的波動率特征，無疑會損失衆多的日内信息，所以僅用低頻數據進行研究是不全面的，數據頻率越低，損失的信息越多。但如果采樣頻率過高，噪音又會很大。

基于高頻數據的已實現波動率由于受到測量誤差和市場微觀結構影響造成的誤差的共同影響，也不是一個很穩健的估計量。本研究拟采用小波分解和經驗模式分解算法将高頻金融資産波動率分解為真實均衡價格的波動率與市場微觀結構噪聲波動率這兩種波動率成分，構建同時考慮測量誤差和市場微觀結構誤差的波動率模型，然後再權衡測量誤差和市場微觀結構誤差, 從而确定最優抽樣頻率，最後利用日内信息，構建日内加權已實現波動率，使其充分包含了市場日内波動信息，進一步提高高頻波動率估計的精确性。

（2）市場聯動計量模型的改進。關于市場聯動性，國内外對該領域的研究雖然很多，但研究方法比較單一。大部分文獻都采用BEKK和DCC等多元GARCH模型來聯立分析。

當新信息出現時，相關聯的金融市場之間都會有一定的反應，或多或少，或早或晚，不能簡單的以此來推斷誰領先誰滞後。如果簡單用這些金融市場波動的數據，其結果隻能說明市場之間的聯動性，并不能真實地解釋一個金融市場對另一個金融市場的溢出效應，為準确排除掉其他信息因素的共同影響，本研究首次嘗試引入獨立成分分析的方法，将觀察到的數據分解成統計獨立的成分。然後以此獨立成分為指标，将多變量GARCH模型中引入跳變因子，并與時變參數向量自回歸模型（TVP-VAR）結合，提出TVP-VAR-BEKK-MVEGARCH-M模型，描述傳染程度随時間的變化過程、沖擊效應及其演進機制，考察不同金融市場間的信息傳遞。将ICA 方法用在金融數據分析中還是一個探索性的工作。

（3）高頻非線性Granger因果關系的檢驗。Granger 因果關系并不是标準意義下的原因和結果之間的關系, 而是基于是否有助于提高預測能力。它适合于考察一個市場的風險是否會Granger 引起另一個市場的風險，利用這個信息可以提高預測另一個市場未來發生同樣風險的可能性。因此，它很适用于預測與監控風險。

傳統的基于回歸的Granger因果關系的檢驗是一種線性檢驗，而實際金融序列間呈現複雜的非線性關系，傳統檢驗統計量無法檢驗出來。其次，由于回歸模型常受到序列自相關性、非平穩性、異方差、共線性等影響，常會得到僞結論。Hong（2001）提出的基于核函數的檢驗方法克服了以往方法隻能檢測有限階互動影響的缺陷，使用所有的滞後階數，檢驗累積效應，并且賦予每個滞後期以核函數的彈性權重，更符合實際觀察到的金融時間序列的長期記憶效應以及關聯關系逐步衰減的特征。但是由于高頻數據采用的是每一天的每一個時點上的交易數據，也可能是不等間隔的，故此方法對高頻數據不能直接套用。

本研究首先從市場微觀結構理論角度對市場信息溢出效應進行了研究，提出基于日内樣條函數和互相關函數的信息溢出檢驗方法，構建以日内效應和核函數為雙重權重的Granger因果檢驗統計量，可以使用所有的滞後階數，核權函數對高階時滞的變量賦予較小的權重，日内效應對每日波動大的時刻賦予較大的權重，既使用了所有的滞後階數，同時又克服了高頻數據的采集時點的不一緻性以及日内效應的存在使得不同點數據的不可比性等缺點，并采用新的參數估計方法，使之對高頻數據更加穩健。本研究方法具有更強的效力，檢測效率更高，可以在很寬的備擇假設範圍内檢測Granger因果關系，且可以有效刻畫均值、波動率以及極端風險三個層面的信息溢出，從而能夠準确地判定信息傳遞的方式、方向與相對強度。

（4）新統計量的應用。首先檢驗上述新構建的統計量的漸進分布及性質，用以上提出的方法和新的統計量進行Simulation，就參數估計和假設檢驗的小樣本性進行研究。然後在中國和亞洲市場、中國和國際市場進行實證分析。就新的高頻統計量和現有的低頻統計量的檢驗效力的比較，以及對比不同時段、不同市場間的變異性。