面对频率高、交易时间间隔不规则的金融市场高频数据,传统计量经济学模型不再适用。为了解决上述问题,自回归条件久期（ACD）模型利用金融高频数据的特征以不规则的时间久期建立模型,备受海内外学者关注。对数自回归条件久期（Log-ACD）模型是ACD模型的重要拓展形式之一,刻画了时间久期与其条件期望的非线性关系。许多实证研究表明,该模型对于金融市场微观结构的分析效果显著。本文便针对Log-ACD模型进行理论与实证研究。本文首先介绍了ACD模型和Log-ACD模型形式,简述了久期模型的发展过程。其次,提出了Log-ACD模型参数的最小二乘估计量和经验似然比统计量的统计特性。第三,讨论了一种改进半参数估计方法,即联合估计函数（CEF）方法,给出了基于联合估计函数带有时变方差的自回归模型的理论应用和统计推断。最后利用真实股票交易数据进行实证研究。经过研究,得到了如下结论:第一,利用最小二乘法得到Log-ACD模型的参数估计,给出其渐近正态性;第二,利用经验似然方法得到Log-ACD模型的参数估计,证明了经验似然比检验统计量渐近服从卡方分布;第三,带有时变方差的自回归模型参数的联合估计函数估计值具有渐近一致性,随着样本量的增加渐近服从正态分布;第四,数值模拟和实证研究表明,面对具有相同方差、时变方差的模拟数据以及真实股票交易数据,联合估计函数拟合效果和预测能力均略优于伪极大似然估计;第五,实证研究发现,在Log-ACD模型滞后一阶的条件下,贝塔分布具有更好的适用性。