在股票量化交易里，要处理数据异常值对策略模型的影响，可采用以下方法：
一是识别异常值。可运用统计方法，像计算数据的均值和标准差，把偏离均值一定倍数标准差的数据视作异常值；还能借助箱线图，将超出上下边界的数据认定为异常值。
二是处理异常值。其一，直接删除，若异常值数量少且不影响整体数据分布，可直接去除。其二，进行修正，用均值、中位数等统计量替代异常值；或者依据数据的趋势和规律，对异常值进行合理调整。其三，分情况处理，把包含异常值和不包含异常值的数据分别进行分析和建模，对比结果，评估异常值的影响程度。
三是模型优化。采用对异常值不敏感的模型，如决策树、随机森林等；还可在建模过程中加入鲁棒性参数，增强模型对异常值的抵抗能力。
四是持续监测。在量化交易过程中，要持续监控数据，及时发现新的异常值，并重新评估和调整处理方法，保证策略模型的稳定性和准确性。通过以上一系列措施，能有效处理数据异常值对策略模型的影响。