如何用傳統計量經濟學方法處理分筆數據？
大部分的現代計算技術都是用於處理均勻時間間隔數據的，比如月數據、週數據、日數據、小時數據，以及其他固定數據等。研究人員對固定時間間隔的傳統依賴性主要來源於以下幾個方面:
每日數據相對容易獲得(從19世紀20年代開始報紙就已經公開發布每日報價)均勻間隔數據相對易於處理“馭動證券價格和收益的因素在短期之內應該不會有太大變化”( Goodhart和0' Hara 1997, pp， 80-81)這類過時觀點的影響
分筆數據和傳統均勻間隔數據的主要不同之處在於，分筆數據之間的時間間隔是有變化的。一種應對這種數據不規則性的方法就是按照事先確定的時段(例如，每小時或每分鐘)進行採樣。
傳統的金融文獻對收盤價進行取樣。例如，如果要將分筆數據轉換成分鐘“線”( bar)，那麼按照傳統的方法，任一分鐘的買價或者賣價都將是這一分鐘最後一筆達到的報價。如果該分鐘沒有報價達到，就用上一分鐘的收盤價作爲這一分鐘的收盤價，並且依此類推。這種方法隱含的假設是在沒有新報價出現的情況下，價格會保持不變，而事實上並不一定如此。
Dacorogna等人(2001)提出了一種可能更精確的報價採樣方法:在相鄰報價之間進行線性時間權重插值。插值技術的核心假設是，在任意給定時間，未觀測到的報價處於與它相鄰的兩個觀測到的報價連接而成的直線上。
另外一種評估分筆數據波動性的方法是使用混合分佈模型( mixtures ofdistributions model, MODM)對高頻數據的分佈進行建模。例如，Tauchen和Pitt，證明，如果市場價格的變動服從正態分佈，那麼價格變動與交易量——起近似服從聯合正態分佈。
分筆數據與低頻數據大相徑庭。利用分筆數據可以創造很多在低頻數據下無法獲得的交易機會。