技术特征：
1.一种基于arch模型的高频股票交易数据方法，其特征在于，包括如下步骤：步骤s1：获取股票历史数据，并获取k线图中高频部分进行打包；步骤s2：对打包后的k线图数据包进行解析预处理，获取预处理数据信息；步骤s3：将预处理后的数据信息导入arch模型；步骤s4：arch模型输出的数据采用portmanteau q方法进行检验；步骤s5：将检验的股票数据结果进行拟合；步骤s6：排列出当日内高频收益率序列。2.根据权利要求1所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s1中，获取k线图中的高频部分的步骤如下：步骤s11：获取股票时间序列数据信息，收集股票异常波动公告信息，标记股票k线图上的反转点，即股票价格峰值点和股票价格谷值点；步骤s12：以股票价格峰值点和股票价格谷值点作为矩形对角两顶点确定滑动窗口的大小；步骤s13：滑动窗口将股票的k线图划分成数多个子片段；步骤s14：确定相邻两个子片段是否留有间隙；若留有间隙，则执行步骤s15；若没有间隙，则执行步骤s16；步骤s15：获取其中滑动窗口面积最大的子片段；步骤s16：将两个子片段合并成一个子片段；步骤s17：合成的子片段与下一相邻的子片段进行比较，直至所有片段比较完成。3.根据权利要求2所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s41中，当前子片段的股票价格峰值点和股票价格谷值点所处的区间与下一子片段的股票价格峰值点和股票价格谷值点所处的区间存在重合，则相邻两个子片段不存在间隙；反之，则相邻两个子片段存在有间隙。4.根据权利要求3所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s2中，对k线图数据包进行解析预处理，获取预处理数据信息，具体包括：根据提取到的高频k线图对检索到的数据报进行预处理，若解析的数据包是测试数据，则根据测试数据的信息域中包含的测试数据和数据发送时间获取包括数据长度、数据内容和数据发送时间的预处理数据信息；否则，获取包括数据长度和数据内容的预处理数据信息。5.根据权利要求4所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述高频k线图的预处理数信息进行统计处理，获取该高频k线图的性能数据，包括：根据所述数据长度，统计数据波动总量，计算高频股票交易过程中每秒的数据波动速率，统计平均数据波动速率；根据所述数据长度，统计数据波总量，若预处理数据信息来自测试数据，则将数据内容与测试数据进行比较，统计数据正确波动总量，计算股票交易下的数据传输正确率；否则，效验数据内容传输是否正确，根据效验结果累积计算股票交易下的数据传输正确率；若预处理数据信息来自测试数据，则根据数据发送时间和数据接收时间，计算股票交易过程中数据传递的延迟，统计数据的平均传输延迟。
6.根据权利要求1所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s3中，arch模型的公式如下：式中，y
t
表示标准化的股票高频日内交易收益率是时变的条件方差，{ε
t
}是独立同分布的标准正态分布白噪声序列。7.根据权利要求1所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s4中，arch模型输出的数据采用portmanteau q方法，检测的统计量为：式中，n为样本量，q表示自相关函数的最大延迟阶数，ρ
i
为残差序列的i阶自相关函数。8.根据权利要求1所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s5中，股票数据结果进行拟合，获取日内高频收益率序列y
i
：9.根据权利要求1所述的一种基于arch模型的高频股票交易数据方法，其特征在于，所述步骤s6中，日内高频收益率序列y
i
按照从大到小依次排列。
技术总结
本发明公开了一种基于ARCH模型的高频股票交易数据方法，涉及股票交易技术领域。本发明包括如下步骤：获取股票历史数据，并获取K线图中高频部分进行打包；对打包后的K线图数据包进行解析预处理，获取预处理数据信息；将预处理后的数据信息导入ARCH模型；ARCH模型输出的数据采用Portmanteau Q方法进行检验；将检验的股票数据结果进行拟合；排列出当日内高频收益率序列。本发明通过将股票交易的K线图进行窗口处理后，导入到ARCH模型得到股票交易收益率，并将结果进行拟合，得到当天的高频收益率，增加股票高频交易数据分析的准确率，提高投资人收益。投资人收益。投资人收益。
技术研发人员：孙瑶
受保护的技术使用者：上海卡方信息科技有限公司
技术研发日：2021.09.13
技术公布日：2021/12/10