市场微观结构是研究价格形成与发现、市场结构与设计、信息披露等问题的金融学领域。这一领域的研究仅仅利用一些低频交易数据是远远不够的。近年来，计算工具与计算方法的发展，极大地降低了数据记录和存储的成本，使得对大规模的数据库分析成为可能，金融高频数据的研究也就应运而生。金融高频数据的研究是计量学一个全新的领域，它对理解市场的微观结构来说相当重要，不仅转变了一些陈旧的研究理念，而且也对先前一些古典经济假定提出了质疑。金融市场高频时间序列通常是指以小时、分钟甚至秒为频率所采集的金融类数据；而超高频时间序列是记录金融市场每笔交易的数据。 本论文主要运用金融超高频数据研究了金融市场微观结构的特征及价格形成机制等问题。本文的主要内容如下： 1、通过对G招行的超高频时间序列的实证研究发现：与低频时间序列所不同的是，金融市场超高频时间序列往往具有高的偏度和峰度、具有负的一阶负相关性、具有稳定的“日历效应”现象。 2、从流动性角度研究了上海股市的微观结构。 充分利用我国限价指令驱动市场分笔数据所包含的信息，在交易量持续期的基础上，提出一个符合限价指令驱动市场特征的流动性指标，并从市场微观结构理论出发，选取了非对称信息的若干代理变量，分析非对称信息对市场流动性的影响程度。对G招行的实证结果发现：(1)交易持续期拥有信息含量，看涨行情会导致交易强度增大，看跌行情则导致较长的持续期。这反映了卖空限制的作用和投资者的追涨行为。(2)非对称信息是影响流动性水平的重要因素，投资者看法差异严重、价格剧烈波动以及长的交易量持续期导致市场流动性降低。 3、并运用理论模型对G招行股票的价差构成成分进行了实证分析，分析可知，无论是从绝对值或者相对值来说，非对称信息成本均大于指令处理成本。隐含价差、非对称信息成本以及指令处理成本随着股票价格的降低也随之降低。从这个角度描述了体内价格的形成，建立了价格形成的方程。 4、主要研究了超高频时间序列的建模问题，集中介绍了目前超高频数据领域比较常见的几种ACD模型，如LOG-ACD，TACD，FIACD等模型进行介绍。并通过对G招行(600036)个股的超高频时间序列建立LOG-ACD模型和UHF-GARCH模型，研究了上海股市的微观结构。