中国股票市场作为新兴股票市场，在自成立以来短短20余年的时间里，无论是硬件系统还是市场规模都取得了飞速的发展，在中国成为世界第二大经济体并持续崛起的过程中起到了重要的支持作用。然而，中国股票市场的市场质量与西方发达国家股票市场相比仍存有较大差距，表现为制度不完善、监管不力、投资者结构不合理等问题。同时，中国股票市场具有市场规模大、换手率高、股价波动剧烈、散户投资者比例过大等独特的市场特征，因此需要对中国股市微观结构进行深入地研究。　　日内量价关系为此提供了一个有效的切入点。众所周知，量与价是金融市场中最核心的两个要素，一方面，资产定价是金融学的核心问题，传统金融学理论，如CAPM，就已关注了资产价格的动态变化特征;另一方面，随着对金融市场研究的不断深入和市场微观结构理论的发展，越来越多金融市场微观结构研究指出交易量作为市场中投资者交易行为的代表同样蕴含了市场运行的重要信息。金融业界更是早已通过技术分析等手段将量与价运用于金融市场的分析和预测之中。　　得益于计算机技术的飞速发展，金融数据的收集、记录、存储、传递和分析成本在不断下降，出现了采集频率以时、分、秒为单位的金融高频数据。金融高频数据详细记录了市场的日内动态，为捕捉日内量价关系、研究金融市场微观特征提供了有力的工具。然而，金融高频数据具有独特的数据结构和数据特征，从低频数据中发展而来的传统计量经济学方法对分析金融高频数据不尽适用。因此，如何从高频数据中捕捉市场日内动态特征逐渐成为计量经济学新的研究前沿。　　本文的研究主要想回答如下问题:如何基于金融高频数据更好地捕捉价格和交易量的日内动态以及量与价在日内如何相互影响。本文希望基于中国股票市场以及现阶段中国股票市场可获取的高频数据，一方面从计量经济学角度出发针对高频数据提供新的研究工具，另一方面在日内微观尺度下对量价关系理论在中国股票市场进行实证检验，以揭示中国股市的运行特征，为学术研究、金融市场实践和市场监管提供依据和参考。全文主体研究分为四个部分:　　第一部分针对高频价格序列及其数据特征，提出了一种基于点过程的日内价格动态建模方法，即二元价格强度模型，用价格上涨和价格下跌两类事件的发生过程刻画价格的日内动态。通过拟合中国股票市场股指和个股数据发现，二元价格强度模型可以很好的捕捉股指和个股价格的日内动态。模型具有可拓展性，为日内量价关系实证检验提供了基础性的建模工具和分析框架。　　第二部分针对高频交易量数据比较研究了乘积误差模型的残差分布设定问题，分别用指数分布、Weibull分布和Burr分布下乘积误差模型拟合中国股票市场高频交易量数据，发现Burr分布是最适合中国股票市场高频交易量数据的残差分布类型，这为相关研究和应用提供了依据和参考。　　第三部分在二元价格强度模型的分析框架下对中国股票市场中交易量对价格日内动态影响进行了深入的实证分析。通过捕捉1分钟交易量对价格上涨下跌强度的影响，检验交易量与价格波动、交易量与价格趋势两类量价关系;而后用乘积误差模型将交易量分解为可预测成分和不可预测成分，分别研究两交易量成分对价格日内动态的影响，得到了一系列非常有意义的结论。首先，在交易量对价格波动的影响上，交易放量可以引起波动率的升高。其次，在交易量对价格涨跌趋势的影响上，交易放量可以促使价格顺趋势变化，即交易量在价格上涨后助涨、在价格下跌后助跌。再次，交易量的可预测成分和不可预测成分都能对价格波动和价格涨跌趋势产生显著的影响，但不可预测成分的两种影响都较可预测成分更强。最后，交易量在价格上涨后的助涨效果要强于在价格下跌后的助跌效果，因此整体上看交易放量更可能导致价格上涨。这一特征主要由交易量不可预测成分产生，而可预测成分在两种状态下的影响强度并没有显著分别。　　随后基于二元价格强度模型框架，研究量价数据对市场的预测能力，以此检验中国股票市场的弱式有效性。首先检验量价数据的样本内预测能力，然后构建交易策略并进行样本外测试。结果表明量价数据具有价格预测能力，因此中国股票市场尚未达到弱式有效，而且相比于价格本身交易量可以为价格预测提供额外的信息，具体体现为交易量在无法准确把握价格动态规律时可以有效提高整体的预测效力。交易成本是市场可预测和市场弱势无效的可能原因。　　第四部分从投资者行为的视角研究了价格波动对投资者交易行为的影响，在对交易强度的长期趋势和短期动态区分研究后发现，价格波动对二者具有相反的影响，分别对应于信息效应（Easley和Ohara，1992）和流动性交易者的“择时”效应（Admati和Pfleiderer，1988）。这一结果不但揭示了上述两类效应在中国股票市场的适用性和适用范围，而且为以往价格波动对交易活动影响实证研究中的不一致结论提供了合理解释。对不同股票而言，市值大流动性高的股票中短期“择时”效应更为明显，但公司规模和市场流动性并不能解释交易活动长期趋势中信息效应的横截面差异。此外，交易强度在短期和长期的预期外增加都会造成波动率的升高，表明交易活动的长短期动态中都带有与资产价格相关的信息。　　本文的特色和创新之处体现在以下五个方面:　　(1)基于点过程理论的二元价格强度模型提供了一种新的日内价格动态建模方法。相比于现有方法，二元价格强度模型适用于非等间隔数据，不但可以刻画价格日内动态中波动和趋势两方面的特征，而且具有系数个数精简、微观噪音影响小的优点，为高频数据实证研究提供了新的计量工具。　　(2)本文借鉴持续期模型研究，针对高频交易量数据探索性地研究了乘积误差模型的残差分布设定问题。模型残差分布的适用性反映了数据的实际分布特征，以往对相关模型的研究主要聚焦于乘积误差模型条件均值的设定，本文完善了该领域的研究，为模型的正确使用提供了参考和依据。　　(3)利用二元价格强度模型研究日内量价关系最大的优点是可以分别对价格上涨和价格下跌状态中交易量的价格冲击加以测度，实证结果表明两种状态中交易量传递了不同的信息。此外，本文还将高频交易量分解为可预测成分和不可预测成分，这种分解方式可以更加深入地分析交易量在价格变化中的信号作用。　　(4)市场的弱式有效性否定了量价数据的价格预测能力，因此测试技术分析的盈利能力成为市场弱式有效性检验的惯用方法。然而，流行的技术分析交易规则是对所有市场数据中规律的总结，因此无法做到真正的样本外测试。本文研究用训练集数据得到模型的参数估计，而在测试集上测试交易策略盈利能力，做到了真正的样本外预测，可以更加有效地对市场有效性进行检验。　　(5)在关于价格波动对交易活动影响的研究中，将交易强度长期趋势和短期动态区分研究是一个全新的研究视角:在信息流的冲击下交易行为具有其自身的演化规律，信息冲击的短期效应并不一定体现在长期趋势之中，相反其长期影响也不一定在短期就立即出现。在此视角下本文同时验证了两种不同的效应:信息效应（Easley和Ohara，1992）和流动性交易者的“择时”效应(Admati和Pfleiderer，1988)，不但指明了两种效应的适用范围，而且为以往理论和实证研究中的争议提供了一个解释。