J'ai bien peur que vous ne vous attaquiez à un sujet difficile. La littérature est abondante, mais pour un traitement explicite de données financières on part généralement de deux papiers : d'une part Engle et Russel ("Autoregressive conditional duration: a new model for irregularly spaced transaction data", Econometrica, 1998, 1127-1162) et Engle ("The econometrics of ultra-high-frequency data", Econometrica, 2000, 1–22) où est présenté le modèle ACD (pour Autoregressive Conditional Duration). Pour le comprendre il vous faut avoir des notions sur les modèles de survie (fonction de risque et signification d'un choix de distribution du type exponentielle, Weibull). Parallèlement à la modèlisation des durées il y a également un problème de saisonalité. Les auteurs des papiers précédents proposent de modéliser la composante déterministe saisonnière par des splines cubiques (pour l'essentiel il s'agit d'éliminer toute régularité diurne affectant le rythme d'exécution des transactions). Techniquement ce qui est sympa c'est que l'on peut procéder en deux étapes : désaisonalisation par une régression spline puis récupération des durées désaisonalisées pour ajuster l'ACD ce qui est facile dès lors que l'on peut ajuster des garch. Maintenant, ne connaissant pas (encore) Eviews, je ne sais pas si la première étape est possible par simple clic. Il semble cependant d'après le peu que j'ai lu à propos de leur dernière version que ce ne soit pas impossible.
Un autre solution est évidemment de recréer des prix pour des intervalles de temps réguliers à partir de prix observés à intervalles irréguliers. Là encore plusieurs solutions existent et on doit pouvoir s'en sortir avec Eviews (j'espère que votre moral remonte). Pour un exposé de celles-ci, regardez la section 2.4 de ce papier d'Engle et Russel : Analysis of High Frequency Financial Data, 2004 disponible ici : http://citeseerx.ist.psu.edu/viewdoc/do … p;type=pdf . N'omettez pas de le lire complétement puisqu'il fait également le point sur tout ce que je décris précédemment (au passage ils donnent un exemple d'estimation d'un EACD avec Eviews).

Merci Moderator pour tous ces informations. En fait mon probléme est le suivant: J'ai des données à intervalle irrégulier: les durées
Pour traiter la saisonnalité, j'ai  utilisé la fonction spline cubique avec 8 nœuds (cad diviser la journée en des intervalles de 30 min en appliquant la méthode de Bauwen & Giot (2000)). Pour les durées brutes, j'ai éliminé l'heure d'ouverture  et l'heure de clôture de fixing. Si on laisse le spline cubique interpole la  première observation, On aura par conséquent une observation négative.  Autrement dit quand je trace " the time of day or time of week function for durations" j'obtiens pour le premier nœud (l'abscisse  10h), une durée (l'ordonnée) négative. Ce qui ne concordent pas aux résultats de la littérature. En fait, le facteur de saisonnalité ("time-of-day effect") doit avoir des observations  positives pour d'obtenir  des durées ajustées positives. La litterature n'explique pas ce  point ( le choix de la premiére observation).
Comment dois je fixer la valeur de première observation ou traiter ce problème afin d'avoir un vecteur de durée ajustées positive ayant une moyenne égale à 1.

Merci d'avance

merci  Moderator pour ton aide je vais essayer de tenir compte de cette contrainte.