劉威儀

（北京大學 光華管理學院，北京 100871）

市場微觀結構噪聲的形成機制研究

劉威儀

（北京大學 光華管理學院，北京 100871）

模擬結果和實證分析表明，三種形成機制下的微觀結構噪聲具有不同類別的統(tǒng)計特征，其噪聲序列分別表現(xiàn)為白噪聲、自相關以及與價格序列的相關性，涵蓋了噪聲假設的各個類別。除此之外，價格離散和非頻繁交易還是“零收益率”這種特殊噪聲現(xiàn)象的產(chǎn)生原因，其中價格離散對低價格資產(chǎn)的影響更為嚴重，這是我國金融市場中最常見的噪聲形成機制之一。

市場微觀結構噪聲；買賣價差；價格離散；非頻繁交易；零收益率

一、引言

市場微觀結構（Market Microstructure）理論是金融市場學研究的一個重要分支。自從Black(1986)[1]提出噪聲（Noise）的概念以來，人們對市場微觀結構下金融資產(chǎn)的價格發(fā)現(xiàn)和定價機制展開了新角度的研究，這些成果主要展現(xiàn)在Madhavan(2000)[2]、O’Hara(1995)[3]、Stoll(2003)[4]和 Hasbrouck(2007)[5]。近年來，金融高頻數(shù)據(jù)的廣泛普及拓寬了市場微觀結構理論的應用范圍，特別是微觀結構噪聲在高頻觀測下帶來的嚴重問題日益受到重視，因此關于噪聲的研究再次成為金融計量領域關注的熱點。

對于市場微觀結構噪聲形成機制的研究，主要集中在早期文獻基于日度低頻信息對價格形成機制的刻畫。已有文獻表明，市場微觀結構噪聲是由交易成本和交易摩擦共同作用形成的，這些因素主要包括：買賣價差（bid-ask spread）、價格離散（price discreteness）和非頻繁交易（infrequent trading）等。其中，買賣價差也可以作為流動性的度量方式之一，相關研究較為全面和廣泛；而離散價格和非頻繁交易反映了“零收益率”（zero returns）①“零收益率”（zero returns）又稱為“剛性交易”（flat trading），即資產(chǎn)價格在一定時間段內保持不變的現(xiàn)象?？梢詤⒖糄elattre和Jacod(1997),Lesmond etal.(1999),以及Phillips和Yu(2008)的研究。這種特殊的實證表現(xiàn)，是另一種刻畫噪聲和流動性的重要方式。

Zhang etal.(2005)的研究表明，隨著觀測頻率的增加，傳統(tǒng)的波動率估計將受到微觀結構噪聲的主導而偏離真實，即高頻數(shù)據(jù)信息實際上放大了噪聲的影響，導致傳統(tǒng)的金融計量方法不能滿足實際的情況。因此，近幾年來對市場微觀結構噪聲的研究更強調于高頻數(shù)據(jù)下的降噪方法，特別是針對波動率估計和價格跳躍檢驗的研究。這類文獻并不深究噪聲的形成因素，而是直接假設其為白噪聲序列或平穩(wěn)序列進行處理。

已有文獻對市場微觀結構的價格形成機制和噪聲的微觀計量的研究是分離的，前者側重于低頻數(shù)據(jù)和流動性理論的研究，而后者側重于高頻數(shù)據(jù)和統(tǒng)計方法的研究。本文在此基礎上，主要的研究體現(xiàn)在以下幾個方面：（1）尋求上述兩個方向的結合點，將價格形成機制的研究轉化為噪聲形成機制的理論，并將其統(tǒng)一為高頻數(shù)據(jù)的模型框架系統(tǒng)地展現(xiàn)出來；（2）利用蒙特卡羅模擬探索噪聲的形成機制與其統(tǒng)計特征的內在聯(lián)系，并基于此進一步分析已有文獻關于市場微觀結構噪聲假設的合理性；（3）根據(jù)以上的方法和結論給出實證分析設計，揭示中國股票市場微觀結構噪聲的形成機制及影響特征。

二、微觀結構噪聲的一般理論框架

現(xiàn)實的金融市場常常偏離有效市場，交易成本和交易摩擦會影響資產(chǎn)價格的短期行為，使得觀測的價格偏離真實的價格，這種偏離稱為市場微觀結構噪聲。實際上，我們觀測到的資產(chǎn)價格一般都是包含噪聲的，因此可以將其分解成兩個組成部分

其中pt表示觀測的對數(shù)價格，表示真實的對數(shù)價格，εt稱為市場微觀結構噪聲。

不失一般性，令t表示第t個交易日。將其劃分為n個等距區(qū)間的離散采樣，分別記為pit，i=0,1,2,…,n，于是每個小區(qū)間內對應的收益率為

如果用收益率的二次變差或方差來刻畫價格的變動程度，那么（2）式說明了真實對數(shù)價格pt的變動程度至少包含了真實對數(shù)價格和微觀結構噪聲εt的變動程度。前者對于資產(chǎn)定價和風險管理的理論和應用至關重要，后者則能夠反映市場微觀結構特征與市場參與者的行為，在微觀層次上揭示金融市場的運作機制。因此，很有必要將上述二者進行分解研究。

其中{μt}t≥0是漂移過程，{σt}t≥0是擴散過程，{Wt}t≥0為標準布朗運動過程。

對于微觀結構噪聲過程{εt}，最常見的假設是認為其服從獨立同分布的白噪聲過程（Zhang etal.,2005;Bandi和Russel,2006[6）]，具體為

（a）εit的均值為0，方差有限；

（b）εit是獨立同分布（i.i.d.）的隨機變量序列；

（c）εit與相互獨立，對任意的i和j成立。

在上述假設之下，由（2）式定義的觀測價格收益率{}rt的自相關函數(shù)具有MA（1）結構，即

雖然絕大多數(shù)關于微觀結構噪聲的理論研究都是在上述假設下進行的，但是很多實證研究表明上述假設并不符合實際情況，因此Hansen和Lunde（2006）[7]以及A¨ It-Sahalia et al.(2010)等進一步假設噪聲序列在一定時間內存在一階或高階自相關。例如，假設噪聲序列{εt} 具有參數(shù)為 ρ(| ρ＜1|)的AR（1）結構，那么觀測收益率序列的自相關函數(shù)滿足

（5）式表明，如果噪聲序列表現(xiàn)為很強的正相關，那么觀測收益率序列的自相關函數(shù)將類似于白噪聲序列的自相關函數(shù)，反而更接近于不存在噪聲的情形。因此，對于噪聲序列存在自相關的情形需要更加謹慎地處理。

除此之外，韓清和劉永剛（2007）[8]的研究表明，噪聲序列不僅在一定時間內存在自相關，而且還與價格過程本身有關。這種情況可能產(chǎn)生更為多樣的結果，相應的處理手段也更為復雜，因此目前涉及的文獻相對較少。

本文并不對微觀結構噪聲進行直接假設，而是通過不同的噪聲形成機制來考察相應的噪聲分布狀況和自相關結構，進而深入認識微觀結構噪聲假設的合理性，探索不同類別的噪聲表現(xiàn)特征及其微觀結構影響。

三、市場微觀結構噪聲的形成機制

微觀結構噪聲的一般理論框架是為了簡化問題的一種抽象概括。由（1）式給出的噪聲表達式雖然具有理論上的一般性，但并不能具體地反映某一種噪聲的形成機制，因此難以進一步解釋市場的微觀結構特征。

微觀結構噪聲的形成機制是多樣化的，這些因素包括但不限于：買賣價差、價格離散、非頻繁交易、非同步交易、價格漲跌限制等。而本文主要關心當前研究中噪聲形成機制模型化較為成熟的前面三種，并將傳統(tǒng)的基于低頻數(shù)據(jù)的噪聲形成機制模型統(tǒng)一地擴展為基于高頻數(shù)據(jù)的形式。

根據(jù)各類形成機制模型，可以利用蒙特卡羅模擬生成觀測價格序列，進而產(chǎn)生相應機制下的微觀結構噪聲序列，其中真實價格序列由（2）式模擬得到①具體模擬參數(shù)采用與Goncalves和Meddahi(2006)相同的設置，即可以忽略漂移系數(shù)的影響μt=0，同時σt服從參數(shù)為(θ,ω,η)的GARCH(1,1)擴散過程，其中Bt是與（3）式中的Wt相互獨立的布朗運動過程，(θ,ω,η)=(0.035,0.636,0.144)。?；谀M的結果，可以進一步深入分析每種形成機制下微觀結構噪聲的統(tǒng)計特征和影響形式。

（一）買賣價差

買賣價差（bid-ask spread）指的是買入價和賣出價之間的差距，即投資者買入資產(chǎn)并立即賣出所需要付出的成本，因此買賣價差又是交易成本和流動性的一種度量方式。在有效市場上，價格過程理論上應該服從隨機游走運動，然而交易成本的存在使得觀測的價格偏離真實的價格，因此買賣價差是形成微觀結構噪聲最直接的因素之一。

Roll(1984)[9]給出的模型是最常見的買賣價差度量方式，他不僅提供了利用觀測價格過程估計買賣價差的方法，還給出了觀測價格、真實價格和買賣價差的三者之間的聯(lián)系，因此與其他單純的買賣價差估計量相比更有利于刻畫微觀結構噪聲的形成過程。這里我們關心的是高頻價格過程的微觀結構噪聲，可以將Roll(1984)[9]給出的基于日度低頻數(shù)據(jù)的模型改寫為如下高頻的形式：

其中qit=1表示在買入價成交表示在賣出價成交。（6）式和Roll(1984)[9]的唯一區(qū)別是，Roll(1984)[9]認為買賣價差恒為常數(shù)，而（6）式只假定買賣價差在日內為常數(shù)。因此，利用日內的高頻價格數(shù)據(jù)可以給出當日的買賣價差估計

由于（6）式的初衷是給出流動性的刻畫，因此它對噪聲的刻畫相對比較簡單。具體來講，（6）式是（1）式的一種特殊情況，由其形成的微觀結構噪聲是0.5stqit，因此是獨立同分布的白噪聲過程，滿足(a)-(c)的假設條件。根據(jù)（4）式的結果，此時觀測價格收益率{rt}的自相關函數(shù)應該具有MA(1)結構，具體模擬結果①此處給出的模擬設定是日內4個小時的分鐘數(shù)據(jù)，且S0=10.00，s=0.1%。如圖1所示。

自相關函數(shù)圖（左）和偏自相關函數(shù)圖（右）

圖1的結果表明觀測價格收益率{rt}的自相關函數(shù)和偏自相關函數(shù)都具有一階截尾性，即自相關函數(shù)具有MA（1）的結構，而偏自相關函數(shù)具有AR（1）的結構，因此整個過程并不能簡單地用MA（1）模型來加以刻畫。此外，當買賣價差較小時，觀測收益率的自相關函數(shù)和偏自相關函數(shù)將退化為類似白噪聲的結構。

總體而言，Roll(1984)[9]給出了一種形式上最為簡單的買賣價差表達，由其形成的微觀結構噪聲也相對比較簡單，滿足(a)-(c)的假設條件。從流動性估計的角度來講，Roll(1984)[9]雖然得到了比較廣泛的運用，但仍然存在諸多不足，例如Holden(2009)指出在估計買賣價差時還需要考慮無交易和價格離散的情況。實際上，價格離散和非頻繁交易不僅影響買賣價差的估計，也直接導致了其他形式的微觀結構噪聲的形成，我們將其作為另外的形成機制與買賣價差并列起來討論。

（二）價格離散

價格離散（price discreteness）指的是資產(chǎn)報價的最小變動單位導致的價格變化的不連續(xù)性。目前國內外的絕大多數(shù)種類的金融資產(chǎn)采用十進制的報價形式，比如國內的股票市場和債券市場的資產(chǎn)價格最小變動單位為0.01元，又比如利率和匯率報價的最小變動單位分別為0.01和0.001；在國際上，也有采用分數(shù)報價機制的金融資產(chǎn)，比如美國股票市場在2001年以前采用1/4美元的最小變動單位，而美國債券市場則采用1/32美元的最小變動單位等。

直觀地看，價格離散機制限制了買賣價差的幅度，進而影響了金融資產(chǎn)的波動性和流動性。從微觀結構噪聲的形成機制來講，價格離散不僅通過影響買賣價差而形成噪聲，而且直接地導致了觀測價格的截斷誤差（round-offerror），使得觀測價格偏離真實價格進而形成噪聲。

Rosenbaum(2009)[10]和 Large(2011)認為截斷誤差是形成高頻微觀結構噪聲最主要的原因之一，而由（1）式所給出的微觀結構噪聲卻很難反映這種形成機制，因此他們采用了Delattre(1997)的價格離散模型：

其中[·]是round取整函數(shù)，即四舍五入的取整形式，α是控制最小變動單位的參數(shù)，在大多數(shù)情況下α=0.01。此時，由價格離散導致的微觀結構噪聲為

形式上（9）式給出的微觀結構噪聲與真實價格有關，但不難看出由于作商的關系噪聲的大小與真實價格水平幾乎無關，這同時也意味著噪聲在較小的資產(chǎn)價格中占據(jù)更大的分量。圖2給出了噪聲及其分布的模擬圖形②此處給出的模擬設定是日內4個小時的分鐘數(shù)據(jù)，且S0=10.00，α=0.01。。

從圖2的結果來看，由價格離散形成的微觀結構噪聲基本上分布在(-0.05,0.05]之間，形成“低峰薄尾”的分布狀況。由于截斷誤差與價格水平有很大的關系，這里我們在固定價格最小變動幅度為0.01元的條件下，將初始價格分為1.00元至200.00元分別進行考察。具體模擬結果如表1所示。

表1 價格離散形成的微觀結構噪聲的統(tǒng)計特征

表1的結果充分說明了價格離散對低價格資產(chǎn)影響更為嚴重，其中噪聲標準差與初始價格呈反比例關系，噪聲和觀測收益率的自相關性隨著初始價格的減小而增大。在資產(chǎn)價格較小時，噪聲序列表現(xiàn)出明顯的自相關性，具體表現(xiàn)為自相關函數(shù)和偏自相關函數(shù)拖尾①由于初始價格的情況比較多，此處不再給出相關圖形，而是直接描述相關結果。后文中涉及類似的情況時，除有特別需要外，均采用直接描述的方式。，呈現(xiàn)AMRA模型的結構，而在資產(chǎn)價格較大時，噪聲序列表現(xiàn)為白噪聲。與此同時，觀測收益率的自相關結構由噪聲的自相關結構直接決定，即當噪聲表現(xiàn)為自相關或者影響較大的白噪聲時，觀測收益率呈現(xiàn)MA（1）結構，而當噪聲為影響較小的白噪聲時，觀測收益率也呈現(xiàn)為白噪聲。另外，真實收益率②這里采用真實收益率而沒有采用真實對數(shù)價格，是因為考慮到真實收益率與噪聲一樣都是平穩(wěn)過程，更容易發(fā)現(xiàn)二者之間的相關性。如果將真實收益率替換為真實對數(shù)價格過程，也會得到類似的結論。與噪聲的相關系數(shù)普遍較小，可以認為二者之間不存在顯著的相關性。

除此之外，價格離散還是高頻數(shù)據(jù)中“零收益率”現(xiàn)象產(chǎn)生的主要原因。在給定的觀測頻度下（例如1分鐘），當價格的波動幅度小于價格離散閾值時，價格的變化將被“截斷”，具體表現(xiàn)為這1分鐘之內沒有價格變化，進而導致“零收益率”的產(chǎn)生。因此，由價格離散導致的“零收益率”問題不僅與真實波動率的大小有關，還與該高頻區(qū)間內的真實資產(chǎn)價格的絕對大小有關。價格越低的資產(chǎn)其高頻的波動越不容易超過價格離散閾值，因此越容易發(fā)生“零收益率”現(xiàn)象。

（三）非頻繁交易

非頻繁交易（infrequent trading）又稱為不頻繁交易，顧名思義指的就是存在無交易的情形。在較高的觀測頻率下，金融資產(chǎn)經(jīng)常都有無交易的情況發(fā)生，特別是對于活躍度較低的資產(chǎn)。在無交易的情況下，資產(chǎn)價格將保持上一個時刻的價格，進而形成“零收益率”的現(xiàn)象。非頻繁交易和價格離散都是“零收益率”現(xiàn)象的原因，這兩種形式統(tǒng)稱為“剛性交易”（flat trading）。與價格離散不同的是，非頻繁交易形成零收益率只與活躍度有關，而與資產(chǎn)價格無直接關系。

在考慮流動性度量時，Lesmond et al.(1999)及Holden(2009)都給出了考慮無交易情形的買賣價差估計，改進了Roll(1984)[9]的模型，并提出“零收益率”也是流動性的重要度量方式之一。為了排除買賣價差的因素，單獨考慮非頻繁交易形成的微觀結構噪聲，這里采用Piillips和Yu(2008)給出的模型：

其中ξit為表示是否存在交易的隨機變量，服從伯努利分布，且E(ξit=1|Ωt)= πt為第t個交易日發(fā)生交易的概率，相應地1-πt為無交易概率。此時，由非頻繁交易產(chǎn)生的微觀結構噪聲為

顯然，由（11）式定義的微觀結構噪聲直接取決于πt的大小，即交易概率決定了微觀結構噪聲的程度。圖3給出了噪聲及其分布的模擬圖形③此處給出的模擬設定是日內4個小時的分鐘數(shù)據(jù)，且S0=10.00，π=0.8。。

從圖3的結果來看，由非頻繁交易形成的微觀結構噪聲與價格離散的情況相反，其分布呈現(xiàn)“尖峰厚尾”的形態(tài)。由于不同的交易概率形成的噪聲程度不同，這里我們在固定初始價格為10.00元的條件下，將交易概率分為從0.1至0.9分別進行考察。具體模擬結果如表2所示。

表2 非頻繁交易形成的微觀結構噪聲的統(tǒng)計特征

表2的結果說明非頻繁交易的程度越嚴重（交易概率越低）則由其形成的微觀結構噪聲標準差越大，同時噪聲的峰度隨標準差的增大而減小，但仍然表現(xiàn)為明顯的“尖峰厚尾”形態(tài)。由非頻繁交易形成的微觀結構噪聲具有很強的自相關性，具體表現(xiàn)為自相關函數(shù)拖尾、偏自相關函數(shù)一階截尾，是一個典型的AR(1)結構。由于噪聲序列表現(xiàn)為明顯的正自相關，因此觀測收益率表現(xiàn)為類似于白噪聲的自相關結構，與（5）式的結果相互印證。另外，真實收益率與噪聲表現(xiàn)為顯著的負相關，并且這種負相關在交易概率π=0.5時最明顯。

通過以上的分析，不難發(fā)現(xiàn)由非頻繁交易形成的微觀結構噪聲最具復雜性，其不但有明顯的自相關性，而且還與價格過程本身有關。然而，如果直接通過觀測數(shù)據(jù)進行分析，此時的觀測收益率又表現(xiàn)為類似于白噪聲的結構，因此直接利用價格數(shù)據(jù)對非頻繁交易進行推斷是難度較高的。

四、實證分析

本節(jié)采用滬深A股股票和股指期貨的高頻交易數(shù)據(jù)進行實證分析，共選擇了四只股票，分為兩個對比組①這里的高價股和低價股是同行業(yè)組內的相對概念，即在整個觀測期間高價股的價格均大于低價股的價格。：平安銀行（高價股）和工商銀行（低價股）、貴州茅臺（高價股）和皇臺酒業(yè)（低價股），以及股指期貨主力合約作為更高價格的交易資產(chǎn)作為參考。觀測樣本期間為2010年4月16日至2013年4月15日共726個交易日，樣本數(shù)據(jù)包括1分鐘開盤價、最高價、最低價和收盤價，以及成交量和成交金額。

（一）“零收益率”分析

根據(jù)上一節(jié)的理論，“零收益率”現(xiàn)象是由價格離散和非頻繁交易共同導致的。通過成交量的數(shù)據(jù)，我們可以簡單地使用成交頻率對交易概率進行估計。表3簡單地展示了5個資產(chǎn)在不同觀測頻率下的成交頻率。

表3 不同資產(chǎn)的成交頻率（%）

由于國內A股和股指期貨的交易狀態(tài)一直比較活躍，因此非頻繁交易的程度與國外相比要小很多。表3當中交易概率相對較低的有皇臺酒業(yè)和平安銀行，其中平安銀行是由于2010年6月30日至2010年9月1日停牌所致，因此并不能歸結于高頻的非頻繁交易。由于皇臺酒業(yè)活躍度相對較低，即存在非頻繁交易的現(xiàn)象，因此對比表2的結果可以推測其噪聲可能存在與收益率的相關性。

表4 不同資產(chǎn)的零收益率比例（%）

表4顯示了零收益率的比例，對比表3的結果可以發(fā)現(xiàn)并不是非頻繁交易的程度越高零收益率的比例越高，但非頻繁交易仍有一定的影響。根據(jù)上一節(jié)的理論，價格離散也是零收益率的重要形成因素，而且對價格低的資產(chǎn)尤其顯著。上述5個資產(chǎn)的平均價格分別為16.69元、4.21元、193.48元、13.26元和2755.64元，可以發(fā)現(xiàn)零收益率的比例和這一價格水平基本上成反比關系，特別是股指期貨的零收益率明顯較少。綜合表3和表4的結果可以發(fā)現(xiàn)，即使交易活躍度很高的資產(chǎn)“零收益率”現(xiàn)象也非常顯著，這說明價格離散是形成零收益率的最主要原因。

（二）噪聲的相關性檢驗

由于真實的價格過程不可觀測，所以針對沒有序列相關的噪聲存在與否的考察，常常可以利用（4）式的結論。但對于存在序列相關的噪聲，（5）式和表2都說明了觀測收益率的自相關函數(shù)難以揭示噪聲的表現(xiàn)。為此，我們采用韓清和劉永剛（2007）[8]的基于兩尺度調整已實現(xiàn)波動率差的檢驗方法來對噪聲的相關性進行考察。表5給出了具體檢驗結果。

表5 不同資產(chǎn)的噪聲相關性檢驗結果（%）

表5給出了3種時間尺度組合的噪聲相關性檢驗結果。由于1分鐘和5分鐘的時間間隔太短，30分鐘的日內樣本量太少，因此（1，10）的組合最具參考價值。從結果上來看，皇臺酒業(yè)由于非頻繁交易最嚴重，因此噪聲與價格可能存在相關，具體表現(xiàn)為統(tǒng)計量顯著，與表2的結果相印證。另外，價格高的資產(chǎn)受到價格離散的影響小，因此噪聲的自相關程度也較小，特別是股指期貨的噪聲相關性與其他相比要小很多，這與前面的分析結果相吻合。即便如此，股指期貨仍然表現(xiàn)出較顯著的噪聲相關性，這可能是本文未涉及的非同步交易等機制所形成的。

五、結論

本文將市場微觀結構的價格形成機制理論引入到市場微觀結構噪聲的研究當中，具體考察了噪聲的三種形成機制：買賣價差、價格離散和非頻繁交易。其中，價格離散和非頻繁交易又是“零收益率”現(xiàn)象這種特殊噪聲形式的產(chǎn)生原因。根據(jù)噪聲的形成機制模型，我們利用蒙特卡羅模擬探索了每種機制下噪聲的表現(xiàn)形式，得到的結論如下：

（1）買賣價差是最直接的噪聲形成原因之一，其產(chǎn)生的噪聲形式依賴于對買賣價差的假設。利用傳統(tǒng)的買賣價差模型得到的微觀結構噪聲形式較為簡單，基本上滿足微觀計量中常用的三個假設條件。

（2）價格離散是最主要的噪聲形成原因之一，價格越低的資產(chǎn)越容易受到價格離散的影響，并且噪聲的分布呈現(xiàn)“低峰薄尾”的形態(tài)。價格較低的資產(chǎn)形成的噪聲具有一定程度的自相關性，但與真實收益率的相關性不明顯。

（3）非頻繁交易是最復雜的噪聲形成原因之一，由其產(chǎn)生的噪聲分布呈現(xiàn)“尖峰厚尾“的形態(tài)，并且噪聲保持較高的自相關性，而且還與真實收益率之間有顯著的負相關關系，總體而言基本上不滿足傳統(tǒng)的噪聲假設條件。

實證分析考察了滬深A股股票市場和股指期貨等多個資產(chǎn)。一方面對“零收益率”現(xiàn)象進行了分析，總結出了價格離散比非頻繁交易更適合解釋我國股票市場的“零收益率”現(xiàn)象；另一方面對噪聲的相關性進行了檢驗，檢驗結果總體與理論和模擬的結果相吻合，進一步揭示了三種噪聲形成機制對我國股票市場的綜合影響特征。

市場微觀結構噪聲的形成機制是其微觀計量假設的理論支撐，因此也是正確應用波動性和流動性理論的先決條件。對價格形成機制和噪聲產(chǎn)生邏輯的理解，有助于我們對市場微觀結構和運作機制的進一步認識，找到適合不同市場分類的微觀結構噪聲假設條件，最終實現(xiàn)更精確的資產(chǎn)定價和風險管理效果。

[1]Black,F.Noise[J].The Journal of Finance,1986,3:529-543.

[2]Mad havan,A.Market Micro structure:A Survey[J].Jounarl of Financial Markets,2000,3:206-258.

[3]O’Hara,M,Market Microstructure Thery[M].Oxford:Blackwell,1995.

[4]Stoll,H.Market Microstrurcture[M].Hand book of Economics and Finance.Elasever Science B V,2003.

[5]Hasbrouck,J.Empirical Market Microstructure[M].The Institutions,Economics,and Econometrics of Security Trading.Oxford,2007.

[6]Bandi,FM,and JR Russell.Separating Microstructure Noise from Volatility[J].Journal of Financial Economics,2006,79:655-692.

[7]Hansen P R,and A Lunde.Realized Variance and Market Microstructure Noise[J].Journal of Business and Economic Statistics,2006,2:127-160.

[8]韓清，劉永剛.序列相關的微觀結構噪聲估計[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2007，（4）：92-102.

[9]Roll,R.A Simple Implicit Measure of the Effective Bid-Ask Spread in an Efficient Market[J].The Journal of Finance,1984,4:1127-1139.

[10]Rosenbaum,M.Integrated Volatility and Round-Off Error[J].Bernoulli,2009.

1003-4625（2014）07-0007-06

F832.5

A

2014-04-08

劉威儀（1987-），男，四川樂山人，博士研究生，研究方向：金融計量，金融市場及其微觀結構。

王淑云）