随着金融全球化竞争日趋激烈,金融行业的健康发展对国民经济与社会都有着重要的意义。科学地、定量地研究金融市场微观结构下的内在发展规律和特征,能够为投资者、决策者提供科学的投资决策依据,促进金融市场的繁荣和健康有序发展。本论文围绕金融市场的微观结构理论及其应用、投资组合优化问题求解、投资者行为等方面去展开研究,以期通过一系列的量化模型和定量分析方法,提供一些有学术价值的贡献。近几十年来,电子信息技术和计算科学的快速发展,使得全球金融市场的交易机制从报价驱动的系统转向订单驱动的电子交易系统。当前,世界上大多数证券期货等金融衍生品交易场所都采用报价驱动的电子交易系统。我国金融市场如上海证券交易所、深圳证券交易所及各个期货交易所等也均采用该系统。关于市场微观结构的理论研究和实证研究也从报价驱动的交易系统转向订单驱动的交易系统。在金融市场微观结构的研究中,简洁有效的定量模型可以清晰地描述订单驱动金融市场中的价格现象、指导投资与监管活动,因此格外受到研究者的广泛关注。本论文第二至四章,从市场微观结构的角度主要研究了以下几个问题:连续时间的随机动态模型、订单流不平衡对价格的影响、基于蒙特卡洛随机模拟方法的最优挂单策略。关于订单簿模型研究,从最初简单的静态模型和基本的统计特征描述,进一步发展到通过动态模型来描述订单簿的形态、特征、关键属性及订单簿的更新过程。其中,第二章介绍了Cont et al（2010）提出的连续时间的动态随机模型,并以中国证券市场上的历史交易数据为样本数据,估计了模型中涉及的各参数。第三章研究了限价订单驱动的交易系统中订单事件、流动性以及订单流不平衡在短时间内对价格的影响。价格波动是研究者和投资者关心的重要问题之一。早期的学者基于交易不平衡对价格的影响做了相关研究,在此基础上,Cont（2011）提出订单流不平衡与价格波动关系的模型。考虑到中国市场微观结构和欧美成熟市场存在一定的差异性,本文基于中国证券市场的历史交易数据对价格波动和订单流不平衡之间的关系进行实证分析,尝试验证中国金融市场中价格波动与订单流之间的关系。研究表明,这一模型在中国市场中的拟合度并不很好。我们认为这可能与高频交易数据噪声比较大、金融数据本身具有时间序列属性以及我国股票市场发展尚且不太成熟不无关系。而美国金融市场中高频交易数据为实时快照,中国证券市场中采取三秒钟快照,数据结构存在差异,或许这也是导致模型解释效果不理想的原因。后续的研究也可以考虑从订单流不平衡和价格波动的非线性相关关系的角度展开研究。第四章基于蒙特卡洛（Monte Carlo）方法的最优订单放置（最优挂单）策略研究。策略研究是市场微观结构理论研究和投资实践高度重叠的问题,也是本研究中的重点问题。以往的学者也对策略问题做了相关研究,本文在研究中基于订单事件到达时间的分布提出了两个定理:（i）下一个订单事件到达时间时一个指数随机变量;（ii）根据订单到达的速率判定该订单事件的类型。在此框架下,根据六种类型订单的定义及特征,模拟订单簿中各个价格水平的生灭过程以及订单簿的更新过程。文中将订单事件描述成为服从泊松过程的多队列的服务系统进行建模。模型中通过模拟每种价格水平的生灭过程来描述订单簿动态演化。在这一模拟过程中能有效捕捉每次最优报价的更新。程序中设定完成一个单位的买入订单,并根据实验输出的平均成交价格以及样本方差判定策略的有效性。实证表明,在指定时间内,对限价订单簿的完整路径的精确模拟提供了对限价订单簿的每个位置上的单个限价订单的预期交易价格的准确预测。该模拟算法为投资者在限价订单簿中最佳订单放置问题提供了参考,且该算法具有鲁棒性、稳定,准确。第五章基于机器学习方法,研究了中国期货市场中的投资组合问题。机器学习算法由于强大的计算能力和不需要预设模型在金融时间序列预测中表现突出。文中比较了三种经典的机器学习算法（LR,SVM和XGBoost）在期货单品种收益率回测中的表现。此外,考虑到期货的杠杆属性,高风险高收益,提出通过马科维兹投资组合模型对期货资产投资权重进行优化分配,在收益率可观的前提下有效的降低了风险和最大回撤。实验表明,投资组合策略的收益率、夏普比率较高,波动率、最大回撤较低,投资组合策略表现良好。第六章提出了实际投资组合应用中的几种数值加速方法,利用模型约束条件的特殊数学结构,对模型进行优化求解。现代投资组合求解和优化问题,本质上是一个混合整数凸二次规划的求解问题,直接对模型进行求解往往会出现求解速度过慢产生的停顿,导致求解无法继续。以往学者们围绕协方差矩阵（输入角度）和算法（输出角度）也做了大量的改进工作。在此基础上,本文利用约束条件的特殊数学结构,提出了基于模型优化的三种数值加速方法:Method 1、Method 2、Method 3,其中Method 1,Method 2是等价转换,Method 3是非等价转换。Method 1通过对约束条件中协方差矩阵进行Cholesky分解后再求解,使得求解速度得到了较大的提升;Method 2方法中,分为两个步骤Method 2（Form 1）和Method 2（Form 2）。在Method 2（Form 1）中,我们首先将模型中协方差矩阵进行锥分解（单锥分解成双锥）,即一个低秩的协方差矩阵和一个特殊风险对角阵,并对其中低秩的协方差矩阵进行LDL分解,以降低协方差矩阵的维度和存储空间。在数值测试中,求解速度大约提升了43倍。在此基础上,Method 2（Form 2）利用约束条件中w是0-1变量的特性,通过等价转换,将锥约束转换成线性约束,使得求解速度大约提升了43%左右。在数值测试中,Method 2整体求解速度提升了大约75倍,比直接求解初始模型提升约两个数量级。此外,考虑到一些投资者和投资机构对时间更为敏感（如高频交易者）,在损失一定精度（数值实验中约为10^-4）。通过采用Method3提出的凸松弛方法进行非等价转换,去除整数约束,但是通过增加换手约束来控制问题求解的稀疏性。在实验中我们也发现,确实能够保持求得的解保持稀疏性。这一方法在Method 2的基础上大约提升了42%的求解速度,使用凸松弛后方法的数值实验中平均求解时间大约在9.4～9.5秒之间。在实际的大规模股票投资组合中,尤其是高频交易,获利机会往往在短时间内产生和消失,求解速度常成为限制高频交易的瓶颈。利用模型的稀疏性等特殊性质可以显著地提升求解性能,我们的数值加速方法在某基金公司的实际运营中也同样被验证有效。文中第七章旨在从定量分析的角度研究异质交易者的交易偏好,以往关于交易者行为的研究如代理理论、交易者行为偏好等大都基于交易者的主观行为视角展开研究。从订单的特征状态来看,可以将交易者区分为由等待耐心驱动的基金经理和对订单簿具有状态依赖的高频交易者。文中引入订单簿的流动性队列模型,描述了异质交易者发布的两种类型订单导致的订单簿动态变化。模型能够解释订单到达订单簿后在队列中等待执行的过程和订单的撤销等行为。本章内容主要是基于市场微观结构视角的异质交易者行为的文献研究和模型描述,后续研究工作将围绕这一问题展开定量分析和模型优化,进一步完善该研究问题。总体而言,本论文通过一系列的量化模型描述市场微观结构中的订单簿的特征以及关键属性的动态变化,为交易者做出更优交易决策提供一定的参考借鉴。