当前我国证券市场的高频交易仍处于起步阶段，相比国外成熟的证券市场，我国证券市场的价格波动更大，流动性更强，因而高频交易的价值更为突出。随着国内股指期货的推出，高频交易的市场影响力逐渐变大，各种创新的高频交易执行算法及主要的高频交易策略受到学术界研究者的青睐，因此对于高频交易的需求也明显增大。　　本文首先介绍了高频交易的历史与发展现状，并综述了高频交易执行算法的创新及主要策略的研究相关文献，再基于我国A股市场的发展，分析我国高频交易的发展前景。　　一方面，股市高频数据的非线性，非平稳性、低信噪比和高维的特征，使传统金融时间序列预测模型受到了严重挑战。另一方面，股票指数走势又一直是交易者关注的热点。因此，如果能对大盘指数进行预先的分析预测，无论是对散户投资者、企业还是政府相关政策的制定都具有重要的理论与现实意义。　　目前国内外已有许多研究者利用数据挖掘方法对股票市场进行价格预测分析。虽建立了比较完善的数学模型且预测结果都较好，但大部分都基于日数据等频率较低的数据进行预测研究，因此不能说明这些方法应用在高频数据预测中也同样能取得好的效果。　　本文利用上证综指、深圳成指的实盘分钟序列数据，基于ARCH(1)模型插值出股指Tick数据，利用随机森林算法筛选出对股指涨跌判定的重要性变量，并通过支持向量机和BP神经网络算法对插值出的Tick数据进行训练得出模型，将提取出的实盘Tick数据带入模型检验模型预测的准确率，再用这两种算法分别对股指实盘1分钟和Tick数据进行预测，结论表明支持向量机和BP神经网络算法对股指高频数据的预测效果并不是很好。