本文研究了非参数、半参数ACD模型及应用，全文共分为六章： 第一章对基于超高频数据建模研究现状进行了综述。基于超高频数据建立的模型包括两类：一类是关于交易间隔的模型；另一类是关于交易价格变化的模型。关于交易间隔的模型主要有自回归条件交易间隔模型(ACD模型)和随机条件交易间隔模型(SCD模型)。关于交易价格的计量模型主要有：ACD-GARCH模型和UHF-GARCH模型。本文研究的非参数ACD模型、非参数可加ACD模型与半参数ACD模型是ACD模型向非参数、半参数方向的发展。这些模型的研究丰富了基于超高频数据建模的理论。 第二章讨论了EACD(1，1)、WACD(1，1)、TWACD(1，1)这几个比较常见的参数ACD模型，并基于模拟数据与证券市场的真实样本数据对这些模型进行了实证分析。除了门限ACD模型除外，其它几个参数模型假定条件期望为线性的形式，随机误差项分别为指数分布、Weibull分布。实证分析表明参数ACD模型容易存在着模型误设。参数ACD模型的讨论为后面几章继续研究作了铺垫。在对参数ACD模型讨论的基础上， 第三、第四、第五章分别讨论或建立了非参数ACD模型、非参数可加ACD模型与半参数ACD模型。 第三章基于模拟数据与中国证券市场的样本数据讨论了非参数ACD模型。非参数ACD模型假定条件期望的函数形式为一个完全未知的非参数函数，这个未知的非参数函数的自变量为条件期望的滞后期与久期的滞后期。在他人已有研究成果的基础上，基于模拟数据和中国证券市场的样本数据对这个模型进行了应用研究。在应用分析中，对非参数ACD模型的估计结果与真值的差异程度与参数模型的估计结果与真值的差异程度进行了比较，比较的结果表明非参数ACD模型的估计结果更加趋向于真值。这主要是因为非参数ACD模型对条件期望的函数形式与随机误差项的分布形式不作更多要求，因此它对模型的误设就没有参数ACD模型敏感。非参数ACD模型因为估计不出来任何参数使得模型的解释能力比较低，而且当滞后阶增加时，非参数ACD模型估计起来比较困难并且会出现“维数灾难”问题。非参数ACD模型“维数灾难”的问题可以用非参数可加ACD模型来解决。 非参数可加ACD模型本质上属于非参数ACD模型，这个模型把一个估计多维未知函数的问题转变为一个估计多个一维未知函数的问题。 第四章研究了非参数可加ACD模型的估计方法，并基于模拟数据与证券市场真实样本数据对模型进行了实证分析。本章采用迭代的算法对模型进行估计。在基于证券模拟数据与证券市场样本数据的实证分析中都可以发现，非参数可加ACD模型的估计结果也比参数ACD模型的估计结果更趋于真值但估计误差比非参数ACD模型要大些。这是因为和非参数ACD模型一样，非参数可加ACD模型也对条件期望的函数形式与随机误差项的分布形式的要求不是很强，因此使得模型估计的误差比参数ACD模型要小，但因为条件期望函数形式中各个可加成分多了线性的限制，使得它的估计误差要比非参数ACD模型要大些。虽然解决了“维数灾难”问题，但非参数可加ACD模型因为不能估计出各个可加成分的函数形式，所以这个模型的解释能力也比较弱，它只能以图形的形式体现各个可加成分对模型的大致影响。 第五章研究了一个半参数ACD模型，这个半参数ACD模型假定条件期望的函数形式为一个半参数的形式，并且假定条件期望的滞后期部分为非参数部分，久期的滞后期部分为参数部分。这个模型中既有参数部分又有非参数部分，因此需要对二者都进行估计。因为模型的特殊形式不能利用已有的半参数模型的估计方法进行直接估计，对于这个半参数ACD模型是用一个迭代的方法对模型进行估计，在迭代的过程中要用到半参数模型的估计方法。在对理论研究的基础上，本部分还用模拟样本数据与中国证券市场真实样本数据对这个模型进行实证分析。对这个模型的实证分析可以发现，半参数ACD模型也没有参数ACD模型对模型的误设敏感，但估计估计的误差要比非参数ACD模型与非参数可加ACD模型的估计误差要大些。非参数部分估计出来的曲线表明条件期望的滞后期对条件期望的函数形式的影响表现为近似的直线的形式。这与非参数可加ACD模型估计出来的结果比较一致。利用半参数ACD模型估计出的曲线对设定参数模型ACD模型的模型形式时具有一定的指导作用。 第六章对论文工作的总结，对非参数ACD模型、非参数可加ACD模型和半参数ACD模型进行了系统的比较，并对今后研究进行了展望。