近年来，高频数据分析迅速成为金融计量学研究的一个重要领域。这篇论文从理论和实证两个角度研究了高频数据金融久期。主要包含四个方面的内容：　　 第一，证明了ACD模型的最小一乘估计的大样本性质；　　 第二，研究了扩展的ACD模型的概率性质和平稳解的边际分布；　　 第三，给出了对数ACD模型的非线性最小二乘估计，证明了估计的强相合性和渐近正态性，并研究了基于新方法的统计推断问题；　　 第四，通过实证研究分析了中国股市高频数据。　　 具体来讲：　　 首先，研究了ACD(p，q)模型的最小一乘估计的渐近性质，在一定的正则条件下，证明了估计的渐近正态性。当误差分布服从Pareto厚尾分布时，ACD模型各参数最小一乘估计的偏差均远小于伪极大似然估计，且从均方误差上看也明显占优。这说明当新息序列服从厚尾分布时，最小一乘估计更有效率，明显优于对方。模拟结果显示，新息序列中可能存在的异常值对最小一乘估计结果的影响较小。　　 其次，第三章给出了扩展自回归条件久期模型严平稳遍历的充分必要条件，同时在一定的正则条件下研究了模型矩的性质，并证明了AACD过程在保证严平稳遍历的条件下其边际分布具有重尾的概率性质。　　 本文第四章给出了对数ACD(Log-ACD)模型的一种新估计：非线性最小二乘估计。在一定的正则条件下，证明了新估计的强相合性和渐近正态性。新估计只需误差项的满足很弱矩条件，在厚尾情况下具有良好的性质。进一步地，本文将新方法推广到带外生变量的对数ACD模型和对数GARCH(Log-GARCH)模型的参数估计中。基于新估计方法，构造了Wald统计量，检验参数的线性约束，并且严格证明了Wald统计量渐近于卡方分布。　　 基于非线性最小二乘估计渐近分布的均值和方差可以给出参数的置信区间。检验真实值落在置信区间的频率，一方面可评价估计的优劣，另一方面可以验证上述理论成果是否正确。结果表明，无论误差项是薄尾还是厚尾分布，模拟的置信区间对真实值的覆盖率与置信度非常接近。这说明新估计的渐近理论在有限样本下仍可放心使用。　　 本文最后两章利用高频数据久期的相关理论成果，实证研究了中国股市的相关问题。检验了交易量和交易价格的动态关系，发现不同市场形态下，价格对交易量的影响会有明显区别。还利用ETF二级市场交易的高频数据，研究了ETF套利的时间成本和价格成本。进一步利用久期研究了ETF二级市场的日内效应及其对套利交易的影响，提供了定量预测套利交易时间成本的统计方法。