计算机技术的变革促使高频量化交易从萌芽到兴起，目前势头更是迅猛。一方面，高频交易加速了信息之间的传递，势必会对资产价格造成影响，从而促进市场微观结构的深入探讨。另一方面，金融异象的不断涌现，也在挑战着传统金融理论，行为金融学应运而生，投资者情绪对市场的影响便更加不言而喻。因此，本文考虑从市场微观结构和行为金融学入手，以知情交易概率和投资者情绪为研究视角，构建分析框架，从而试图以不同维度探讨沪深300股指期货市场的受影响程度。
　　本文的研究数据来自Wind金融数据库中2010年4月至2017年12月的沪深300股指期货分钟行情数据。首先，运用主成分分析方法构造沪深300股指期货市场的投资者情绪综合指数。其次，计算出非参数估计的等交易量知情交易概率VPIN值、从逆向交易和羊群交易进行设计的动态知情交易概率DPIN值。接着，利用回归模型研究三者指标在日内高频和日间低频的不同交易频率下对市场收益率、流动性以及波动率的预测能力。同时，深入探讨了流动性与波动率两者的联系。进一步的，通过残差分解将投资者情绪分为了机构投资者情绪部分和噪音交易者情绪部分。通过引入虚拟变量，得到了情绪和交易量修正后的DPIN指标。最后，利用前文的研究结果，基于上述指标构建量化策略，通过回测2010年4月至2019年4月的指标数据，进一步从交易角度验证各指标的有效性。
　　实证结果表明：三个指标在不同时间频率下对沪深300股指期货市场的波动性和流动性均有显著的预测性，但仅仅只有VPIN对市场收益率有预测能力。并且进一步发现流动性指标自身具有长记忆性，与波动率和交易量之间都存在显著关系。接着，从投资者情绪入手，验证得到对流动性的预测能力而言，投资者情绪综合指数才具有显著性；对波动率的预测能力而言，噪音交易者情绪指数占主导地位。同时，受情绪与交易量修正后的DPIN指标对市场的影响能力更佳。最后，基于本文研究的三个指标所构建的量化策略，均有着不错的表现水平。