本文的研究目标是研究连续竞价市场中的投资者学习、下单积极性对信息扩散效率的影响，揭示资产短期价格形成机制，并优化市场制度设计。首先在分析连续竞价市场资产短期资产价格形成逻辑基础上，构造了包含知情交易者、非知情的遗传算法学习交易者和零智能交易者交互博弈的计算实验模型。开发的人工股票市场重现了多种重要的格式化特征，包括尖峰厚尾、短期负自相关、波动聚集、长记忆及长期正相关，并通过了投资者结构和信息有效期变化的稳健性检验。实验表明，在较短的信息有效期内，投资者学习依然能够获得更多的信息和提高市场信息扩散效率。在不同的投资者结构市场中，遗传算法学习交易者和零智能交易者的下单积极性变化对信息扩散效率影响是存在差异的。非知情交易者下单积极性的变化不但改变自身的下单行为，还影响市场买卖价差和知情交易者的下单行为。然后用实证分析与计算实验金融相结合的方法，设计出符合中国沪深300股指期货市场特性的计算实验模型，对股指期货市场的最小报价单位和持仓限额的制度设计进行实验分析。依据真实市场的投资者结构及下单行为构建了包括知情交易者、非知情智能技术交易者、非知情简单技术交易者和流动性交易者四类投资者在内的人工股指期货市场，刻画与真实市场较为一致的订单流与格式化特征。最后综合分析了最小报价单位和持仓限额对信息扩散效率、市场流动性和市场波动性等市场质量指标的影响。本文以非知情交易者为中心，通过构建计算实验模型，分析了私有信息通过非知情交易者的学习与下单行为进行扩散的过程，揭示了资产短期价格的形成机理，在连续竞价市场微观结构动态建模的难题上取得了突破。采用实证分析与计算实验相结合的方法进行制度设计实验，不仅满足制度设计者综合衡量多个市场质量指标的要求，还避免了已有计算实验模型参数选择随意性的诟病，最终给出了科学的政策建议。论文发展了计算实验金融方法，对中国金融市场的创新发展具有重要的指导意义和应用价值。