金融资产的价格和收益率的变化规律一直是学术界和业界关注的焦点。不同的证券交易市场存在不同的运行机制和交易规则，因此对于不同市场、不同种类的金融资产，研究其价格变化的方法或工具大相径庭。本文以中国上海、深圳两大证券交易所的股票为研究对象，从微观市场结构的角度展开分析和建模，推导出基于高频指令流信息的高频股票价格分布模型，并通过统计推断和数值模拟等技术手段结合实际数据对模型进行了实证;结合模型的特点和性质，将模型应用于实际的投资决策情景和流程中，测试模型对提高投资绩效是否有指导意义;最后通过更加深入地挖掘市场信息对模型进行了改进，使其能够对更复杂更精细的投资决策进行支持。　　 全文分为四个部分展开论述:　　 第一部分分析影响股票价格的最微观，最直接的要素，并分别采用泊松过程和幂律形式的概率分布函数对指令流的发生过程和单笔指令的价格冲击进行建模;通过使用卷积和数值计算等方法进行推导和演算，在复合泊松分布(CompoundPoissonDistribution)的框架下，构建出基于高频指令流信息的股票价格分布模型，并对模型的特点和性质进行了分析，如在高频数据支持下，模型可对指令的分类信息进行甄别和利用。　　 第二部分是基于模型的设定对金融市场的典型特征进行模拟和重现，这些典型特征包括收益率分布的“尖峰厚尾”现象，以及波动率在日内的聚集现象等。通过对比模拟结果和市场客观事实，进一步验证模型的有效性和稳定性;在此基础上通过对模拟结果进行归因和分析，从市场微观结果的视角对市场异象进行分析和解读。　　 第三部分主要是将模型应用在具体的投资决策场景中，观察基于核心模型构建的高频交易策略是否能够提高投资收益。通过对不同交易量的交易指令进行分离，评估了不同交易量的指令对高频价格变化方向的决定性作用。从全市场层面来看，基于指令差概率分布构建的程序化交易策略具有获得绝对收益的能力;而使用滚动窗口实时估计高频价格模型，具有一定的预测性，可以在执行交易时捕捉到对我方有利的价格变化。　　 第四部分是考虑了不同个股间指令流相关性对模型的影响，并将新的变量引入模型，实现对核心模型的修正和升级，并将其应用于投资组合风险管理中解决更复杂、更精细的问题。如在均值方差模型中使用基于新模型估计的方差和协方差，可以在高频数据环境中更有效的控制投资组合的风险暴露。　　 本文的创新之处主要包括以下四个方面:　　 一、基于市场微观结构和概率统计分析工具创建的股票价格概率分布模型，这一研究体系和框架是崭新的。　　 二、全部研究都在高频数据环境中完成，核心模型针对分笔数据的特征进行分析和推演，此前国内这一领域的研究几乎空白。　　 三、使用数值模拟和实证数据相结合的方法实现金融市场典型特征的重现以及产生根源的讨论，视角独特。　　 四、核心模型可扩展性强，可被应用于微观市场结构领域和投资决策领域诸多问题的讨论。