高频交易（High Frequency Trading,HFT）是指通过市场短暂的价格波动而获利的量化交易策略。对于高频交易而言,能否准确预测短期价格的变动是至关重要的。但大多数传统的股票研究主要集中于对未来股价中长期变动的预测上,而对于未来股价短期变动预测的研究还相对较少。订单簿作为电子化市场的产物,其中包含了大量的数据与信息。订单簿是一系列价格与需求量集成的产物,订单簿最大的特点便是它可以反应市场参与者在短期内的买卖意愿。尤其是在市场参与者大多没有深入了解、运用订单簿的时候,市场参与者此时并不会刻意去掩饰他们的交易意愿,致使市场参与者的短期交易意愿会不遗余力地暴露在订单簿中。并且由于level-1的订单簿数据在实盘交易时是公开的,这就意味着只要市场参与者盯盘,他们就或多或少会注意到盘口数据。但重要的是,虽然市场参与者能获得盘口数据,但实际会分析利用盘口数据的市场参与者并不多,更多的市场参与者反倒会受到盘口数据的影响,做出极度短视、不理智的行为。因此,订单簿数据蕴含的信息量巨大且丰富,它不仅能反应市场参与者的交易意愿,还有助于推测市场参与者的交易行为。因此,本文认为订单簿数据是有助于未来短期股价的预测的。本文以2020年7月至2021年6月的A股数据为例,以level-2盘口数据为核心数据,从整体与个体的角度出发研究了盘口数据的2个方面:1、从整体出发,利用Cont（2014）中的（订单流不平衡）指标来计算股票在1tick内的净流动,从而实现对未来短期股价变动的预测。并认为如果在1tick内出现较大规模的净流动,那么股价的变动很有可能会带有一定的持续性,从而影响短期内股价的走势。2、从个体出发,利用N（?）s（2006）中的订单簿斜率指标对多空双方各自的强弱进行计量,从而实现对未来短期股价变动的预测。并认为买（卖）方斜率大时,市场投资者容易受到影响而改变其卖出（买入）的策略,从而导致股票在下一个tick更可能向上（下）变动。在研究过程中,本文发现由于原始指标是基于美股的市场环境提出的,因此这些指标在A股上的效果并不理想,因此本文结合A股实际情况,针对各类指标所存在的问题提出了针对性的意见并对指标进行了优化,验证结果表明这些修改方案是有效的。通过对于2类指标的深入研究后发现2类指标有各自特有的特性,适用的环境也大相径庭,指标适合于短期股价变动持续性的预测,因此更适合高波动的市场,而订单簿斜率指标却恰恰相反,它更适合对于稳定的市场的股价进行预测。这2类指标是矛盾的,因为它们适合于不同的市场环境,但它们又是互补的,也因为它们适合于不同的市场环境。本文认为是一个更适合于实战的指标,因为高频策略的成本很高,震荡的市场很容易出现入不敷出的情况,只有预测对短期的趋势才能真正实现获利。除了理论上的研究外,本文在一定的假设前提下,根据新指标提出了一个高频策略模型,并用实际的数据对模型进行了回测,并将回测结果与以旧指标构建的高频策略模型、同为高频模型的(1策略模型进行了对比。回测结果表明:相比于(1策略模型、旧高频策略模型而言,新高频策略模型在降低风险的同时获得了相对稳定的收益。更重要的是,相比于(1策略模型而言,新高频策略模型对于市场的涨跌并不敏感,无论市场大涨还是大跌,模型都展现出了稳定的收益。但模型对于市场的波动率是敏感的,模型主要的2段回撤（2020.09-2020.10以及2021.03-2021.04）都是在市场整体波动率较低的时期发生的,但虽然模型的回撤期较长,但回撤幅度并不高。值得注意的是,市场在2021.02-2021.03时出现了极强的风格切换,并且由于选股的方法存在一定的滞后性而使得模型无法及时识别到该问题。但即便如此,模型在这段时间内也很好的控制住了风险,这展现出了模型的强鲁棒性。最后,本文也对模型的参数敏感性与成本进行了讨论,得出了以下结论:1、模型对于平滑窗口的选择、股票数量并不敏感,但对于阈值的选择有一定的敏感性。2、目前模型是基于盘口数据进行的,利用逐笔数据进行测试或许可以更准确地把握开仓平仓点,降低模型的交易成本,从而提高模型的收益表现。