本文利用机器学习方法研究了超高频股票收益率和持续时间对相关价格、交易量和交易事件的可预测性。我们发现，与可预测性罕见且不一致的低频率和长期回报相反，高频率回报和持续时间的可预测性在短期内是大的、系统的和普遍的。我们确定了根据交易和报价数据构建的相关预测因素，并研究了是什么决定了不同股票自身特征和市场环境的可预测性变化。接下来，我们以毫秒为单位计算可预测性如何随着数据的及时性而提高，从而提供每一毫秒的估值。最后，我们模拟了（不完美的）窥探传入订单流的影响，这是一种前瞻性能力，通常归因于最快的高频交易者，可以提高以下回报和持续时间的可预测性。