传统的计量经济学建模是基于固定时间间隔的交易数据，但是在金融市场的实际应用中有其局限性。股票市场的交易每隔几秒钟就会发生，因此在进行建模时如果选择较长的时间间隔数据就会存在丢失市场中所包含信息的风险。中国股市经过十多年的发展，上市公司不断增加，整个市场的市值不断扩大，已经是亚洲仅次于日本的第二大股市。随着市场的扩大，整个市场的交易量与股价指数波动变化的幅度也随之扩大。众所周知，证券市场的一个主要功能就是在交易成本尽可能低的情况下，使投资者能够迅速、有效地执行交易。换句话说，也就是市场必须提供足够的流动性。 本文正是在这样的背景下，在Engle and Russell(1998)的基础上提出了高频数据的随机时间间隔的建模方法，将时间间隔最小化到每秒钟，根据股票市场的实际交易情况构造自回归期间持续模型 (Autoregressive Conditional Duration Model)。从时间的角度根据交易价格的变化提出了使用交易价格期间来刻画日内流动性，利用这一指标来衡量执行完给定交易价格所耗费的时间。本文不仅通过整体交易价格期间来度量整体的流动性，而且同时也利用主动性卖出或买入交易价格期间分别来度量单边的市场流动性。 论文首先介绍了流动性的概念及度量方法，回顾了国内外相关领域的研究现状，随后较为详细地介绍针对期间的计量模型分析框架，涵盖了线形和非线性ACD模型(以Log-WACD(1，1)模型为例)，期间数据的处理和分析过程。在此基础上，本文以上海股票交易所的4支股票为样本，在计量分析框架下，构建和分析了股票的整体和单边交易价格期间，最后对流动性的日内模式和模型的估计结果进行了探讨。通过对样本内实证分析的评估，发现Log-WACD可以作为一个有效的工具来刻画交易价格期间。股市的变化能反应本国与世界各国经济的互动，所以有效的掌握股市的变动是做好股市管理一项重要的工作。在回顾和总结了市场微观结构理论、有效性理论和预期理论的同时，对回归估计方程(Regression Estimate Equation)ACD模型进行了分析，进而构建了一个基于ACD的较有效的高频数据模型，并且通过股市的高频数据来实证检验建立的模型。 本文主要内容包括以下几个方面： (1)对金融市场的微观结构和流动性分析方法作了详细深入的剖析，指出建立在低频数据基础上的股市波动分析方法在为微观结构理论分析上的不足。提出了建立在超高频数据基础上的股票流动性模型的构想。 (2)在回顾ACD理论的基础上，对超高频数据研究的ACD模型及其扩展得到的LOG－ACD，TACD，FIACD等模型进行了介绍，对ACD的特征分析做了较为全面地的归纳和阐释，涵盖了ACD模型的统计特性、自相关性、日内模式进行了分析等等。 (3)在第四章中根据中国股市的实际情况对我国沪市指数的高频数据进行了实证分析。利用ACD模型在高频数据的股市流动性分析应用上的优越性，将股市的交易情况分为整体交易和单边交易，并对这三类交易的流动性进行了实证分析。主要运用的模型是LOG-ACD，采用极大似然估计的BHHH算法，实证分析结果具有一定的现实指导意义。 最后，对本文的研究进行了总结和展望。