流动性一直是金融市场微观结构研究的热点,流动性的度量对投资者意义重大。而金融高频数据记录了整个交易的动态变化过程,包含更详尽的交易信息,因此在刻画市场微观结构上更具优势。特别是近年来高频交易的兴起,高频交易商更关注日内流动性的变化,从高频数据视角研究股市流动性就显得十分重要。本文选取了不同证券交易市场和市值规模的股票高频数据作样本,设定交易量持续期为日内流动性度量指标,并通过提出假设和检验假设分析了日内的何种因素会对该流动性度量指标产生影响。本文首先采用自回归条件持续期模型(ACD模型)的拓展模型(WACD模型)对交易量持续期进行拟合,通过残差检验选取最佳滞后期的WACD模型。其次,本文通过对交易量持续期的描述统计,研究了股票日内流动性的非股票特征影响因素(如交易市场、市值规模)。同时本文还提出了与股票交易特征(如价差、交易频率)相关的流动性影响因素假设,通过在WACD模型中引入假设变量进行假设检验,判断这些与流动性相关的变量是否可以解释股票的日内流动性,其影响又有何不同。研究发现：第一,滞后多期的WACD模型中,WACD (2,2)对交易量持续期拟合效果最好。第二,通过对不同证券交易市场及不同市值规模的股票构建交易量持续期,经统计数据表明：上海交易市场的股票流动性优于深圳交易市场；大规模股票的日内流动性略高于小规模股票,但明显程度不高。第三,日内交易价差越小,交易量持续期越短,表明股票的日内流动性越好。第四,日内收益率越高,交易量持续期越短,表明股票的日内流动性越好。第五,交易量给定,交易频率越低,交易量持续期越长,股票的日内流动性越差。本文发掘了日内流动性的相关变量关系,日后基于高频数据的流动性度量指标中可引入此类因素,使日内流动性度量指标更加全面完善。同时,本文为市场中股票日内流动性的度量和预测提供了一种可行的思路,具有一定现实意义。