在金融数据中,记录金融市场上每笔交易的数据称为超高频数据(ultra-high-frequency data)。由于超高频数据记录了金融市场的实时交易信息,为理解金融市场微观结构提供了基础和可能,因而超高频数据的研究成为近年来计量经济学领域的热点。自从Engle等首创了自回归条件时间间隔(ACD)模型以刻画金融市场交易时间间隔的变化以来,不断有计量经济学家从各个角度对其进行推广和改进,多种模型的存在,使模型的选择出现了困难。在本文中,我们利用在澳大利亚股票交易市场上市的三家公司的数据样本,对一系列的自回归条件持续期(ACD)模型进行对比,此种对比采用对密度和区间分别预测的评估的方法,该方法是由Christoffersen和Diebold等人提出的,我们的主要发现是：广义的伽玛分布和对数正态分布与指数分布和韦布尔分布相比较,对随机误差项表现出相似的效果,但运行得比它们要好。此外,这与Engle和Russel提出的标准ACD模型以及Bauwens和Giot提出的log-ACD模型似乎并没有实质性的区别。本文的主要研究工作概括如下：1)对各类ACD模型作简单介绍和对比,分析一下国内外研究现状。2)对基于密度预测和区间预测的ACD模型评估方法分别作出简要的介绍。3)利用澳大利亚证券交易所(ASX)三支个股的高频数据,分别基于不同ACD模型作密度预测和区间预测4)对实验结果进行详细分析对比,并对各类模型的优劣作出客观地评价。5)阐述本文结论对中国市场的作用及对后续工作的展望。