传统的有效市场假说认为市场价格走势是不可预测的,但有学者发现市场上出现了一个又一个有效市场假说不能解释的金融异象,例如,Titman（1993）的研究结果显示股票价格有时候会延续之前的涨跌趋势,并将其称为动量效应,也有一些学者研究发现股票价格有时候会反转之前的涨跌趋势,并将其称为反转效应。这些金融异象打破了经典理论,也反映了股价并非不可预测的。中国资本市场和美国资本市场都属于全球资本市场中最活跃的市场之一,但差异在于投资者结构的不同。散户众多的中国市场导致交易周期更短,投资情绪化严重,追涨杀跌说明投资者对价格信号敏感,也引出了本文研究的中心——价格显著波动后收益的可预测性。而随着高频交易的发展,投资者交易频率越来越高,且有学者发现超短期的金融异象也开始显现,因此对日内高频数据的研究具有重要的意义。为了对价格变动引发的可预测性进行探究,本文的研究对象选择了上证50ETF、沪深300ETF和中证500ETF的5分钟高频交易数据。虽然众多学者发现神经网络等非线性机器学习模型在预测股价时具有一定的优越性,但股指ETF日内价格预测相关研究较少,变动规律具有不确定性。本文为了深度探究股指ETF日内价格显著变动后可预测性的特性,从机器学习线性模型和非线性模型预测对比的思路出发,选择线性模型中OLS模型、LASSO模型和Ridge模型以及非线性模型中SVR模型、决策树模型、随机森林模型和LSTM模型分别对数据进行拟合,通过对比拟合结果,分析价格变动引发的可预测性的变动规律。对比结果显示,线性模型和非线性模型对于股指ETF日内价格显著变动后的收益都取得了一定的预测效果,证明了其可预测性的存在。此外,研究发现非线性模型的预测效果要优于线性模型,说明这种可预测性更符合非线性特征。有学者发现我国股票市场中存在着不对称性和季节效应等金融异象,但研究对象都是基于日间金融数据,那么高频市场上是否也存在着类似的现象。为了探究股指ETF日内价格显著变动后可预测性的不对称性,本文将样本分为显著上涨和显著下跌两组样本进行了研究。结果显示当股指ETF日内价格显著上涨时,可预测性呈现非线性特征,当显著下跌时呈现线性特征,证明了股指ETF日内价格显著变动后的可预测性具有不对称性。为了探究股指ETF日内价格显著变动后可预测性的季节效应,本文将样本分为上半年和下半年两个阶段进行研究分析。结果显示股指ETF日内价格显著变动后的可预测性在上半年表现为非线性特征,在下半年表现为线性特征,证明了股指ETF日内价格显著变动后的可预测性具有季节效应。