随着信息技术的发展,金融高频数据的分析工作越来越重要。金融高频数据包含着大量市场微观结构的信息,所以分析金融高频数据对理解金融微观结构是相当重要的。目前对微观结构理论的研究大多是定性研究,这些理论在多大程度上符合实际,需要实证分析对其进行检验。ACD模型就是处理金融高频数据正值时间序列的一重要手段,且ACD模型最大的挑战在于新息分布的选择。通常,交易持续期大密度在0附近聚集,并表现为非对称的右厚尾。所以合适的新息分布应该能捕捉到数据的内在特征,尤其是厚尾这一特征。在这一点上,本文要讲的复合Lognormal-Pareto分布比当前应用普遍的指数分布、Weibull分布,广义伽玛分布效果都能更好。本文不是从形状参数或者混合同种分布的角度出发考虑新息分布,而是从”粘帖”两种不同分布得到的复合分布考虑,给ACD模型的新息分布提供了一个新的思路。本文应用的是Starbucks股票2011年7月25号到7月29号的部分日内交易数据(该数据可由[1]获得)。然后把本文的Lognormal-Pareto作为新息分布的LP-ACD拟合效果与指数分布(EACD)、Weibull分布(WACD),广义伽玛分布(GACD)拟合效果作一个比较。