技术的进步使得机构可以瞬间从金融市场中获得大量的交易数据,激发了人们分析在不同频率下收集的数据中传递的信息的兴趣。由于计算机技术的发展使得基于日内分钟频率数据的交易得以满足,高频数据是适应当前市场发展的重要工具。高频率的数据中包含了更多的市场信息,相较于使用日数据可以增加估计的有效性和准确性。因此,本文致力于利用日内交易产生的高频金融数据进行配对交易策略的研究,实现在适应中国股票市场T+1等交易规则下的分钟级别的择时策略,更好的利用市场提供的瞬间、迅速的信息对于价格变化的影响。在对1分钟高频数据的观察和描述中发现,更高频率的金融数据中存在着大量的微观结构噪声,因此,本文使用1分钟高频数据,经过小波降噪法降噪后应用于协整-OU模型,设计配对交易策略。通过线上的交易设置,本文实现了适用于当前中国股市的日内高频数据配对交易择时策略,并应用于近年来被广泛重视、企业发展需求旺盛的互联网行业,选择其行业成分股,经过聚宽平台进行线上2018.11.1-2019.11.1为期一年的滚动回测,实现策略收益56.4%,年化收益58.13%。为检验本文所建立交易策略的有效性,本文从模型比较和策略适用性检验两个方面进行评价。模型比较方面,将本文建立的1分钟降噪后协整-OU策略与使用1分钟原始数据、5分钟数据和日度数据建立的策略交易回测结果进行对比,从收益的角度证明了使用高频数据可以更好利用数据信息,准确估计模型。同时,实证检验了协整-OU模型在交易中的表现胜过单一使用OU模型的效果,证明了模型优越性。策略适用性检验方面,将本文交易策略应用于其他8种行业大类中进行回测,并且选择了中国股市近年来的两大主要的牛市和熊市行情进行了回测检验。从多个角度证明了本文交易策略的稳健性和在中国市场中的适用性。