在金融体系比较完备的西方国家，大多数证券交易是通过高频交易来完成的，其交易数额占总交易量的比重也在逐年增加。高频交易运用智能算法，可以在几毫秒之内完成大量的下单。但高频交易在迅猛发展的同时也在冲击着市场的稳定性，增加了金融资产的风险暴露，给市场的监管带来很大的难度.尤其是证券市场交易机制尚不成熟的我国，高频交易的发展由于各种负面的报道而受到了较大的限制。高频交易之所以屡次在市场状况出现异常的时候成为众矢之的，其根本原因是高频交易技术尚不成熟，由于高频交易算法需要不断更新以应对瞬息万变的市场形势，所以高频交易算法的改进和提升空间仍然较大。　　目前高频交易的投资组合配置算法主要有两个方面需要改进。其一，高频交易算法中关于高频数据的波动率估计没有充分考虑高频数据的特点，导致波动率估计不准确；其二，用于进行高频交易资产配置的算法本身也存在一定的问题，其人工智能的特点需要不断改进以适应金融市场的发展和演进。鉴于此，本文首先建立高频交易投资组合配置的最优化模型，然后综合考虑高频数据中资产价格出现的跳跃和市场微观结构噪声的干扰，选取合适的估计方法和取样频率对金融产品的高频波动率进行较为准确的估计，然后运用目前较为前沿的智能算法——人工蜂群算法（Artificial Bee Colony,ABC）来进行高频交易投资组合的配置，最后根据人工蜂群算法本身存在的收敛速度慢和存在局部最优解的问题，运用外推引导原理和引入微调因子的方法对人工蜂群算法进行改进，并将改进前后的人工蜂群算法与传统的高频交易资产配置算法进行比较。经过实证分析，发现改进后的人工蜂群算法从收敛速度、最优化效果和算法稳定性方面都有了显著的提升，在高频交易投资组合配置方面确实展现出了更好的性能。