中国期货市场作为发现价格和规避风险的重要金融工具，对我国的社会主义市场经济体制建设具有重要意义。近年来，中国期货市场处于快速发展时期，成交总量连年大幅增长。在近两年，中国期货市场更是逐渐加快了国际化的步伐，逐步在国际市场上发挥影响力。
　　与此同时，随着信息技术和数据科学的高速发展，投资者越来越重视更精细化的数据。而不同于一些国际市场和我国股票市场所提供的的逐笔订单数据，我国期货市场所提供的最精细的数据是0.25至0.5秒间隔的高频市场快照数据。在逐笔数据到快照数据的处理过程中，一些信息被丢弃遗失，其中包括交易次数。这项信息近年来被证明非常具有价值，是很好的市场活跃指标。
　　本文聚焦于此，首次提出使用快照数据估计过去一段时间的交易次数的多种方法。具体利用高频快照数据，基于订单流的泊松分布假设，建立了多个估计量。并使用蒙特卡洛方法，根据假设生成了模拟订单流，并发现估计值能收敛于真实值，验证了这些方法有效。之后利用了中国A股的逐笔订单数据对方法做进一步检验，发现尽管A股市场的高频数据不完全服从泊松分布假设，但估计量仍与真实值具有高相关性。进一步的，本文对原始的泊松分布假设进行了修正，加入了解释变量并建立了模型，并且提出了两种拟合模型的方法，重新在A股市场进行了验证。另外，还在中国期货市场实证检验了交易次数估计量对于价格波动的预测能力，发现在GARCH模型中引入该数据不仅可以改善模型，并且其对波动的预测能力甚至优于成交量数据。
　　本文提出的多种估计方法，据所知填补了相关理论的空白。方法还原了中国期货市场在数据切片时造成的部分数据缺失，并且由于估计方法独特，所得到的估计值并不过于依赖与之高度相关的成交量数据，因此不仅能估计交易次数，也能直接估计平均每笔订单交易量。该方法有效提高了市场信息的透明度，为衡量市场活跃性和流动性提供了新方法，新视角。