【摘要】：根据前面几节的讨论，我们知道简单ACD模型的形式为：式中，xi＝ti－ti－1是两个事件发生时间之间的间隔，条件期间过程ψi＝E为第i个期间持续的期望，Ωi－1包括了时刻ti－1时所有的有用信息集。所有模型实证结果参数都是显著的，εi具有Burr密度的模型其极大似然值的绝对值更小。
根据前面几节的讨论，我们知道简单ACD模型的形式为：
式中，xi＝ti－ti－1是两个事件发生时间之间的间隔，条件期间过程ψi＝E（xi｜Ωi－1）为第i个期间持续的期望，Ωi－1包括了时刻ti－1时所有的有用信息集。｛εi｝～i.i.d并且E（εi）＝μ，VAR（εi）＝σ。
简单ACD模型的对数变形则为：
类型Ⅰ
类型Ⅱ
下面我们用中国石化（600028）2004年2月1日至2004年4月30日期间的实时交易数据估计简单ACD模型以及对数线性ACD模型。定义中国石化价格期间为价格累计变化0.03元以上的时间间隔，交易时间每天包括早晨9∶30～11∶30、下午1∶00～3∶00，隔夜以及休市时的时间间隔被剔除。时间间隔消除了日内效应。
我们用极大似然法来估计上式中的简单ACD模型以及对数线性ACD模型，我们假设εi∈i.i.d且具有Burr密度：
κ＞γ＞0，Burr密度包括Weibull（γ→0）、指数（γ→0且k＝1）和对数逻辑（γ→1）分布。
（9-9）式的实证结果为：
（9-10）式的实证结果为：
（9-11）式的实证结果为：
这里我们列举了国内在ACD模型实证研究方面的成果，刘勤（1999）[6]模拟的简单ACD模型（εi具有指数密度）为：
张国勇（2004）模拟的简单ACD模型以及对数线性ACD模型为：
由于我们假设εi具有Burr密度分布，估计结果与εi具有指数分布的情况会有些差异。所有模型实证结果参数都是显著的，εi具有Burr密度的模型其极大似然值的绝对值更小。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
