本文针对高频数据不等间隔的特性将收益率、交易量等标准化为等间隔序列,并将调整后的序列应用于GARCH模型中拟合预测高频交易数据的波动率。在研究金融市场中的交易行为时,波动率是一项重要指标。微观结构理论所指的高频数据有非同步交易等与低频数据截然不同的特性,更适合等间隔交易的GARCH模型不适合直接应用于高频数据中。自回归条件久期ACD模型为高频交易数据的持续期建模,拟合高频数据的持续期,并结合广义自回归条件异方差GARCH模型,使得ACD-GARCH模型解决了高频数据中不等间隔交易在波动率建模时的问题。本文首先就理论角度对微观市场结构的定义、市场机制以及对期货市场的影响进行论述,接着从理论的角度引出高频数据的经验特征产生原因,采用金融时间序列分析中的数据处理方法分析持有期的统计性质,使用自回归条件久期模型对三种流动性较好且盘口特征明显的商品期货品种进行分析。实证分析得到,ACD-GARCH模型在我国期货市场微观结构上对于波动率的建模和预测有较好效果。