根据O’Hara(1995)的观点，市场微观结构是指证券交易价格的发现、形成过程和运作机制。Engle（2002）指出，市场微观结构主要研究价格如何根据新信息进行调整，以及交易机制如何影响资产价格。目前，国内外关于信息对证券市场影响的研究多集中在交易时期信息的分析，对非交易时期信息的影响又多集中在“节日效应”和“周末效应”等日历效应的研究上，而且大多是基于低频数据的分析。鉴于此，本文在相关学者研究的基础上，给出中国沪深300股指期货市场“（长）周末效应”、“隔夜效应”和“午间效应”的概念，并以高频数据用扩展的随机波动模型深入分析。进行稳健性检验后发现：中国沪深300股指期货市场存在持续稳定的“隔夜休市后效应”和“（长）周末休市后效应”，“午间休市后效应”显著为负但不具有持续稳定性。金融资产波动性对投资组合选择、资产定价及风险管理有着重要的影响，因此，在金融领域中一直是研究的焦点，而且波动性也是影响金融市场稳定性的重要因素，受到各国政府的普遍重视。以上这种日历效应所表现出的日内模式本质上是时间的函数，为防止其对后续数据分析和研究的影响，应当予以剔除（日历效应免疫）。本文采用一个以时间为解释变量的样条函数（Spline Function）来刻画这种日内趋势。在定义了价格持续期（价格久期）后，对剔除日内效应的久期序列建立随机条件持续期（SCD）模型，用以探究中国沪深300股指期货市场价格久期的波动特性。研究发现：中国沪深300股指期货市场价格久期序列存在明显的波动聚类现象，韦布尔分布能较好地拟合价格久期的分布特征。SCD模型是对久期的聚类性建模，而SV模型是对收益率波动的聚类性建模。在描述金融时间序列“尖峰厚尾”和收益平方序列的长记忆性等特征时常借助SV类模型和GARCH类模型。理论和许多实证都表明，SV类模型对以上两个重要特征具有更强的刻画能力。SV类模型和GARCH类模型都是建立在等间隔的时间序列上，但含有价格久期的时间序列是不等间隔的，因此这些传统的计量模型都不能直接用于高频数据的建模。本文用调整的价格久期去调整收益率，将非等距数据等距化，在此基础上添加多个微观结构变量，构建了扩展的SV-MT模型，即SV-VOL-OI-SPRED-DIER-DURE模型，来分析交易量变化率、未平仓合约变化率、买卖报价差、交易方向和调整的价格久期与收益率和波动率的关系，并与SCD模型结合联合刻画中国沪深300股指期货市场的高频波动特征。基于贝叶斯分析的研究表明：1）交易量变化率和买卖报价差对收益率变化均不显著，但都和价格波动率正相关；2）未平仓合约变化率对收益率影响不显著，对波动率影响显著为负；3）交易方向对收益率和波动率影响显著为正；4）价格久期对收益率和价格波动率的影响均显著为负，较长的久期是由于缺乏信息所致，这与O’Hara的研究基本一致。随着中国金融市场的不断发展，中国金融复杂化程度加深，金融风险度量与管理难度也越来越大。目前基于高频数据的风险罕有研究，程序化交易与高频交易亦很难参考传统基于低频数据的研究成果。本文在以上金融市场微观结构分析的基础上，以VaR、CVaR度量风险并做比较分析，研究中国沪深300股指期货高频波动风险。实证表明：VaR风险测度整体表现较好，但基于LR的检验表明，VaR在0.1和0.01的显著性水平下表现欠佳，尤其是在刻画下跌风险时存在很大不足。CVaR具备次可加性和一致性等优点，各显著性水平下CVaR值较VaR值大，基于自举法（bootstrap）的后验分析表明，各显著性水平下p值均较大，因此CVaR在刻画中国沪深300股指期货市场高频波动风险方面较VaR要好。