本文關(guān)鍵詞：基于適應(yīng)性交易量預(yù)測的VWAP算法交易研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：程序化交易是現(xiàn)代科技進(jìn)步、計算機(jī)改變?nèi)祟惿畹漠a(chǎn)物。算法交易是為程序化交易的重要子集,其中又以VWAP算法為應(yīng)用最廣泛、最成熟的算法之一。VWAP的核心思想是將大額訂單拆分為多份小額訂單,并在設(shè)定的時間段內(nèi)分別下單以減少大單對市場的沖擊成本,因此對于交易量的預(yù)測準(zhǔn)確是算法交易是否能夠成功的重中之重。本文將圍繞著這一核心,提出以迭代為主要方法的適應(yīng)性改進(jìn)模型,用于預(yù)測市場交易量分布情況。本文首先就算法交易相關(guān)歷史與文獻(xiàn)進(jìn)行了回顧。該部分為緒論、文獻(xiàn)綜述和相關(guān)理論和研究方法。內(nèi)容上主要回顧了算法交易的起源、發(fā)展以及在國內(nèi)外市場內(nèi)的應(yīng)用現(xiàn)狀,肯定了研究算法交易的現(xiàn)實意義,以及與交易量相關(guān)的重要文獻(xiàn)以及算法交易領(lǐng)域的經(jīng)典文獻(xiàn)。而后文章通過數(shù)學(xué)建模對傳統(tǒng)的交易量分布預(yù)測方法進(jìn)行改進(jìn),文章在靜態(tài)算法的基礎(chǔ)上建立數(shù)學(xué)模型,并規(guī)定了市場信息的度量法則,將市場信息嵌入數(shù)學(xué)模型之中,運用迭代方法對歷史算數(shù)平均法作出了調(diào)整。模型的核心因子是市場信息獲取范圍的大小和模型對信息的調(diào)整程度。建模完成之后,本文通過實證檢驗探究模型的有效性及其特征,該部分主要分為三個子部分。第一個子部分檢驗了文章規(guī)定的兩種信號的預(yù)測準(zhǔn)確度,以及不同信號之下的VWAP執(zhí)行結(jié)果改進(jìn)程度,結(jié)果顯示兩種信號下,改進(jìn)模型均優(yōu)于傳統(tǒng)算法；第二個子部分就市場信息獲取范圍和模型對信息的調(diào)整程度進(jìn)行了敏感度分析,得到A股股票相對信息調(diào)整因子更加敏感,而對市場信息獲取程度相對低敏的結(jié)果;第三個子部分將標(biāo)的按照自由流通市值大小分為四個組別,在每個組別中重復(fù)試驗,以驗證文章模型在不同市值之下是否具有改良魯棒性,得到的結(jié)果是,四組中有三組顯著優(yōu)于傳統(tǒng)算法。最后就文章總結(jié)和未來進(jìn)一步研究方向探討。文章的大部分結(jié)果均呈正面,但仍留有部分問題尚待未來進(jìn)一步討論。
【關(guān)鍵詞】：算法交易 交易量分布 VWAR
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 引言11-16
• 1.1 研究背景11-13
• 1.1.1 算法交易和VWAP策略的興起11-12
• 1.1.2 國內(nèi)算法交易現(xiàn)狀12
• 1.1.3 算法交易理論的演進(jìn)12-13
• 1.1.4 VWAP策略的主要思想13
• 1.2 論文思路和研究架構(gòu)13-14
• 1.3 本文的創(chuàng)新點14-16
• 第二章 文獻(xiàn)綜述與相關(guān)理論16-31
• 2.1 文獻(xiàn)綜述16-19
• 2.1.1. 交易量相關(guān)文獻(xiàn)16-17
• 2.1.2. 靜態(tài)VWAP算法17-18
• 2.1.3. 動態(tài)VWAP算法18-19
• 2.2. 相關(guān)理論和研究方法19-30
• 2.2.1. 交易量分解預(yù)測理論19-22
• 2.2.2. 市場沖擊成本理論22-26
• 2.2.3. 計量方法：偏最小二乘回歸法26-30
• 2.3. 本章小結(jié)30-31
• 第三章 模型31-40
• 3.1. 交易定義與靜態(tài)策略31-35
• 3.1.1. 交易相關(guān)基本定義31-33
• 3.1.2 靜態(tài)執(zhí)行策略33-35
• 3.2. 動態(tài)執(zhí)行策略35-39
• 3.3 本章小結(jié)39-40
• 第四章 實證檢驗40-57
• 4.1 數(shù)據(jù)來源與闡述40-41
• 4.2 繪制機(jī)會域41-43
• 4.3 前向信號與后向信號43-47
• 4.4 VWAP算法的改進(jìn)47-56
• 4.4.1 以上海機(jī)場為實驗對象的改進(jìn)47-50
• 4.4.2 α與δ對結(jié)果的影響50-53
• 4.4.3 不同市值組合下的魯棒性檢驗53-56
• 4.5 本章小結(jié)56-57
• 第五章 全文總結(jié)與未來展望57-59
• 5.1 文章總結(jié)57-58
• 5.2 文章的不足和未來展望58-59
• 參考文獻(xiàn)59-63
• 致謝63-64

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 姚海博;茹少峰;張文明;;基于動態(tài)交易量預(yù)測的VWAP算法交易賣出策略[J];運籌與管理;2015年02期

2 周仁才;陳曉雯;;基于瞬時交易量及收益率動態(tài)調(diào)整的交易量加權(quán)平均價格策略[J];上海交通大學(xué)學(xué)報;2013年03期

3 方兆本;鎮(zhèn)磊;;基于非對稱效應(yīng)ACD模型和分時VWAP算法對A股市場算法交易的量化分析研究[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2011年09期

4 李曄;;基于VWAP基準(zhǔn)的中國股市日內(nèi)交易量的分解與建模研究[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2008年06期

5 Lean YU;Kin Keung LAI;;FORECASTING CHINA'S FOREIGN TRADE VOLUME WITH A KERNEL-BASED HYBRID ECONOMETRIC-AI ENSEMBLE LEARNING APPROACH[J];Journal of Systems Science and Complexity;2008年01期

  本文關(guān)鍵詞：基于適應(yīng)性交易量預(yù)測的VWAP算法交易研究，由筆耕文化傳播整理發(fā)布。

本文編號：258224