本文在动态贝叶斯网络框架下，利用技术分析和Logit/Probit模型研究期货的高频数据分析问题。首先，通过核密度函数拟合对期货铜的日内价格数据进行光滑处理，借助技术分析提取得到日内期货铜的量价行为特征向量，并将这些特征向量作为贝叶斯网络的观测变量，为模型的参数学习和推断提供“证据”。而本文设计的贝叶斯网络以多层隐马尔科夫模型为基础，通过条件概率准则和图论原理，实现了由马尔科夫模型像贝叶斯网络的转换。与此同时，本文在传统的贝叶斯网络中加入了初始概率的结构模型，使得我们对期货铜市场日内首个状态的判断有了一定的依据，而不再是传统意义上的固定参数。模型中参数的学习是通过一个窗宽为六天的移动窗口来实现的，依据所学参数对第七天的市场状态进行推断，再根据推断结论进行日内投资。另外，本文设定的高频交易市场状态只有两种，买方主导的市场和卖方主导的市场，前者表现为价格伴随着成交量的增加而上涨，后者则表现为价格伴随着成交量的增加而下跌。本文运用上海期货交易所期货铜主力合约日内交易的半分钟数据构建贝叶斯网络，研究发现，基于动态贝叶斯网络确定的市场状态进行的交易改变了B&H策略下的收益，且确定出的牛市状态下的收益明显优于熊市状态下的收益。实证结果表明，动态贝叶斯网络为分析期货数据提供了强有力的工具，它也是一项很有希望的技术，为发展用于分析市场行为的更为复杂的模型提供了网络结构基础。