高频交易数据一般是时间间隔较短(低于一日)的证券交易数据,相比之下,高频交易数据具有记录间隔不等、数据离散化、存在日模式以及多笔交易同时发生等特征。在对高频数据进行分析时,将具有复杂变化模式的数据进行分解,并通过整合模型来提高分析的准确率和可靠性是一种重要的方法。本文旨在应用价格变化分解模型对高频交易数据进行研究。首先,在介绍价格变化分解基本原理的基础上,分别讨论对分解后各个部分进行建模的恰当方法。研究表明,对于价格变化指示变量和价格变化方向,使用Logistic回归建立模型;而对于价格变化大小,本文对它进行了详细的研究,利用1+几何分布,1+泊松分布和Logistic回归建立了三个模型,经对比发现,Logistic回归对不同类型数据的拟合效果最好,对数据的兼容性更强。然后,给出了整合后ADS模型的估计、检验、评价以及变量选择的方法,较为系统地解决了基于价格变化分解模型研究高频数据的问题。同时,本文利用Logistic回归模型对中国银行的五分钟交易数据进行拟合,根据拟合得到的参数,计算得到价格是否变化、变化方向及变化大小的相关概率,由此制定了一套基于价格变化分解模型的股票交易策略。该策略以价格变化指示变量和价格变化方向部分确定买卖点,由价格变化大小部分控制买入时使用资金的比例。最后,为了验证策略的可行性,本文使用中国银行股票的样本外数据和中国石化股票的五分钟数据对其进行验证,结果表明,该交易策略对于不同类型的股票数据都具有盈利的能力。并且根据实证研究结果,总结了价格变化分解模型及其交易策略,指出模型和策略中存在的技术问题,对模型和策略将来的改进以及研究指明方向。