随着电子计算机技术的快速发展，金融市场的分析研究中可以获得采样频率越来越高的股票、汇率等金融数据，甚至可以获得股票市场、外汇市场实时的每笔成交数据。这些数据称之为高频数据。高频数据的获得使人们可对市场的微观结构和运行机制进行深入研究。 本文使用高频数据为样本来研究异步交易现象对股票相关性的影响。国外的很多学者都对异步交易做了很多的分析研究，认为异步交易引起了股票组合的自相关，及股票组合间的交叉序列相关，并认为无交易现象的存在对股票组合的领先滞后关系有着一定的影响。本文主要应用Lo,A.，A.C.MacKinlay(1990)的理论模型对我国的股票市场进行一定的检验。考察一下在我国的股票市场中是否存在异步交易引起的影响。 本文通过不同的分组方法对股票组合之间的交叉序列相关做了分析，并对不同分组方法的结果进行了对比，以查看在股票组合间是否存在一定的领先滞后关系。数据结果显示不同的分组方式对于股票组合间的交叉序列相关性有着不同的影响。对于国外比较常用的按市值分组方法，国内数据的检验结果并不十分明显。本文认为这一情况主要是同国内股票市场的有效性及市场参与者的增值保值目的有关。与其成对比的是按照无交易次数分组。按无交易次数分组的数据，其交叉序列相关性比较明显，股票组合间存在显著的领先滞后关系。两种分组方法的对比也正说明了股票组合间领先滞后关系在一定程度上来源于异步交易的影响。 另外，在一些学者的研究中，发现高频数据存在很多与低频数据(如日收益率等)不同的统计特性。由于本文采用的高频数据，所以检验结果有可能同使用低频数据的检验结果有所差异，但并没有本质区别。总体上来说，异步交易现象确实引起了股票组合之间的领先滞后关系。 本文中的研究方法主要着眼于对异步交易现象的检验，并没有给出如何把这种影响从收益率序列中剔除出去的方法。