中国股票市场经过近20年的发展,在“后发优势”的条件下,市场交易机制不断完善,市场效率不断提高。但是,作为一个新兴的市场,中国股票市场不可避免地存在一些独有的特征,影响市场的运行效率以及进一步的发展。因此,有必要深入研究中国股票市场的微观结构特征,了解影响股票市场波动的深层次原因。这对于建立和健全中国股票市场的价格决定机制,提高市场的效率,都具有积极而深远的意义。本文在市场微观结构理论的基础上,将高频数据和低频数据相结合,采用先进实用的计量和统计分析方法,实证研究了中国股票市场的交易成本问题。论文在对中国股票市场交易成本估计的基础上,分析了交易成本的确定性特征和随机特征,并针对实证研究的结果提出相应的政策建议。本文主要的研究工作和创新如下：1.通过对交易成本各种估计的比较和相关分析,确定了中国股票市场交易成本的度量指标。本文在明确中国股票市场交易成本含义的前提下,借鉴国际上先进的交易成本估计方法,选取上证180指数的成分股票为样本,利用分笔交易数据分别估计了反映证券交易成本的报价价差、有效价差和交易价差,同时还利用日数据对交易成本进行了随机模拟,并对5种交易成本的估计结果进行了比较和相关分析。实证研究的结论主要有以下几点：(1)报价价差作为总交易成本的反映,平均水平约为0.15%,也就是说,中国股票市场的总交易成本大约有0.15%。而有效价差的Roll估计一般反映了交易的固定成本,平均约为0.04%,远低于印花税率(0.1%),这在一定程度上说明了中国股票市场的印花税率过高。交易价差和报价价差的水平非常接近,平均约为0.16%,只是后者具有更大的波动,从总体水平来看,二者都可以作为中国股票市场中交易成本的估计,但由于交易价差是估计得到的平均结果,在分析中国股票市场交易成本的性质特征时,选择报价价差似乎更加合适。(2)通过对交易成本估计的比较,我们发现中国股票市场的交易成本除指令处理成分外,还有其它的交易成本成分,而且它们会随时间的变化而增加。交易成本不仅表现出共同变动的趋势,而且还与股票的特征有关。(3)通过对不同频率数据下交易成本估计的比较和相关分析,我们发现无论从时间角度,还是从横截面来看,基于日数据的Gibbs交易成本估计都不适合代表中国股票市场的交易成本。2.在对买卖价差成分分解模型比较的基础上,分析了中国股票市场交易成本的来源及其变化特征。本文基于HS关于买卖价差成分分解的一般模型,选取上证50指数成分股票的分笔交易数据,采用panel data模型方法,在考虑交易是否序列相关的情况下,分别将买卖价差分解成两部分和三部分。主要结论如下：(1)当把买卖价差分解为指令处理成本和其它成本,发现买卖价差中的29.07%是指令处理成分,其余的70.93%则是存货成本和逆选择成本。逆选择成本可能是买卖价差的主要成分。(2)当把买卖价差分解成三个成分时,仍然假设存货成本不存在,发现指令处理成分只有11.02%,明显低于两部分解的结果,主要原因是这里考虑了交易的序列相关。奇怪的是,这时逆选择成分只有45.140％,还有没有解释的部分,合理的解释是这部分买卖价差反映了指令持续成本。在指令驱动市场上,限价指令交易者可以起到做市商的作用,为市场提供流动性,因此他们需要因不能及时交易的指令获得补偿,为了区别于存货成本,这里称之为指令持续成本。这样,我们仍然将买卖价差分解成三个部分,发现指令处理成本占11.16%,逆选择成本占40.22%,指令持续成本占48.62%。也就是说,逆选择成本和指令持续成本对中国股市价格波动总的贡献几乎是半买卖价差的90%。(3)通过对买卖价差成分的比较分析,我们发现股票价格及其风险、公司规模和交易的活跃程度(交易量)对逆选择成分和指令持续成分都有一定的影响。3.基于市场微观结构理论,分析了中国股票市场买卖价差的决定因素。本文采用panel data模型方法分别分析了中国股票市场日内和日间买卖价差决定因素的实证分析,主要得出以下几点结论：(1)中国股票市场的交易成本与股票价格负相关,与收益标准差正相关,与交易额负相关,与公司市值负相关。但是,交易额和公司市值对交易成本的影响程度相对较弱,显著的情况不多。而其它变量对交易成本的影响则因数据频率和交易成本估计的不同而有所变化。(2)对于日内交易成本,状态固定效应模型的解释效果较好,而且30分钟和60分钟数据的时间固定效应都是不显著的。比较状态固定效应模型和无固定效应模型,可以看到买卖价差的状态固定效应在很大程度上可以由收益标准差和公司市值两个变量反映。(3)对于日间数据,交易成本的决定因素模型略有不同。虽然,交易成本的两个估计都有显著的状态和时间固定效应,但是报价价差作为总交易成本的估计,时间固定效应模型的解释效果相对较好,而有效价差作为固定成本的估计,状态固定效应模型的解释效果相对较好。公司市值对数与报价价差之间的相关性较弱,而交易额则与有效价差之间的相关性相对较弱。由此可见,报价价差与时间波动较大的变量相关程度较高,而有效价差则相反。4.基于交易成本的“市场模型”,采用panel data模型方法研究了中国股票市场的系统交易成本,主要结论如下：(1)个别股票交易成本存在系统的共同变动成分,这种共同变动成分主要来自于行业交易成本的变化,而不是市场交易成本的变化。(2)投资组合交易成本也存在系统变动趋势,但是这种变动不具有领先和滞后效应。(3)交易成本的共同变动存在显著的规模效应,不同于股票价格波动的规模效应,随着公司规模的增加,交易成本对市场交易成本变动的敏感性也会增加。5.基于ARMA模型和TARCH模型研究了中国股票市场交易成本的随机波动,主要结论如下：(1)对于日间数据的实证分析发现交易成本具有随机波动特征,无论是个别股票还是投资组合,都有显著的序列相关和条件异方差特征。不过,单个股票对市场冲击的反应没有杠杆效应,而组合交易成本对市场冲击的反应却是非对称的。(2)对于日内数据的实证分析发现交易成本的波动不仅具有随机的波动特征,还有显著的确定波动趋势。具体地,交易成本的日内波动呈现“U”型。不同于日间交易成本的波动,日内交易成本对市场冲击的反应没有杠杆效应。最后,本文根据实证研究的结论,提出了一些有针对性的政策建议,包括提高市场信息的透明度、控制内幕信息的操纵行为、完善市场交易制度等。由于中国股票市场是一个新兴市场,国内关于交易成本的研究多集中于买卖价差的日内模式、成分分解及其决定因素等确定特征的分析上,而在随机交易成本问题上比较欠缺,本文的研究弥补了这方面的不足。通过本文的研究,有助于我们加深对中国股票市场微观特征的认识,丰富市场微观结构理论,为进一步完善中国股票市场的交易机制、政府监管机构制定监管政策、提高市场效率提供理论支持和实证证据。同时,还可以帮助投资者把握市场脉搏,采取正确的投资策略,保护投资者的合法利益。因此,本文的研究具有重要的理论价值和现实意义。