【摘要】：本文克服靜態(tài)VWAP交易策略只能被動的按照事先計算出的各個區(qū)間的交易比例進行交易的弱點,從而提出了一種通過迭代算法來改變各個區(qū)間交易比例的衰減自適應策略。首先,論文在原始信號的基礎(chǔ)上提出衰減自適應策略,并且利用A股經(jīng)驗數(shù)據(jù)證明該衰減自適應策略的有效性。然后,將交易日的最新市場消息概括為前向信號和后向信號,后向信號的預測中采用了時間序列分析中的ARIMA模型。為了衡量市場信號預測的準確性,在經(jīng)驗數(shù)據(jù)的基礎(chǔ)上論文驗證了前向信號和后向信號與原始信號相比的預測準確率,結(jié)果表明后向信號預測準確率稍微高于前向信號,但它們都有較大的標準差。最后,論文用前向信號和后向信號代替原始信號構(gòu)成完整的衰減自適應策略并運用經(jīng)驗數(shù)據(jù)來驗證整體策略較傳統(tǒng)VWAP是否有更好的表現(xiàn)。在實證檢驗中,論文將性質(zhì)相同的交易型開放式基金按照基金規(guī)模大小分為兩個組別,在每個組別中進行重復實驗,結(jié)果表明該衰減自適應策略的表現(xiàn)優(yōu)于傳統(tǒng)VWAP策略在不同規(guī)模下具有較好的魯棒性。另外論文將市場狀況分上漲、震蕩、下跌三種情形,分別進行重復實驗來比較衰減自適應策略與傳統(tǒng)VWAP策略不同市場狀況下的表現(xiàn)。結(jié)果表明該衰減自適應策略在震蕩行情中的表現(xiàn)明顯優(yōu)于傳統(tǒng)VWAP策略,而在上漲和下跌行情中的表現(xiàn)劣于傳統(tǒng)VWAP策略。論文分析造成這樣結(jié)果的原因,并且定義了交易信封來檢查自適應交易曲線的優(yōu)劣,從而避免極端情況的發(fā)生。
【圖文】：

圖 3-1：華泰柏瑞滬深 300etf 在 2017/11/14 日三種交易曲線從圖形可以很直觀的發(fā)現(xiàn)自適應交易曲線更能較好的擬合市場交易曲線，且根據(jù)論文前文實驗，可以很自然認為隨著δ的增大，自適應交易曲線越能更擬合市場交易曲線。有了交易曲線，就可以計算出 VWAP。在圖 3-2 中繪制出市場區(qū)間 VWAP，靜態(tài)交易曲線累積 VWAP 和隨著市場交易信號下的產(chǎn)生持更新的自適應交易曲線 VWAP。其中區(qū)間 VWAP 折線上的矩形小圖標表示消信號，，而三角形小圖標表示積極信號：

圖 3-1：華泰柏瑞滬深 300etf 在 2017/11/14 日三種交易曲線從圖形可以很直觀的發(fā)現(xiàn)自適應交易曲線更能較好的擬合市場交易曲線，并且根據(jù)論文前文實驗，可以很自然認為隨著δ的增大，自適應交易曲線越能更好擬合市場交易曲線。有了交易曲線，就可以計算出 VWAP。在圖 3-2 中繪制出了市場區(qū)間 VWAP，靜態(tài)交易曲線累積 VWAP 和隨著市場交易信號下的產(chǎn)生持續(xù)更新的自適應交易曲線 VWAP。其中區(qū)間 VWAP 折線上的矩形小圖標表示消極信號，而三角形小圖標表示積極信號：
【學位授予單位】：上海師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F224;F832.51

【參考文獻】

相關(guān)期刊論文 前9條

1 郝繼升;任浩然;井文紅;;基于自適應遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股票價格預測[J];河南科學;2017年02期

2 吳玉霞;溫欣;;基于ARIMA模型的短期股票價格預測[J];統(tǒng)計與決策;2016年23期

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

4 燕汝貞;李平;曾勇;;一種面向高頻交易的算法交易策略[J];管理科學學報;2014年03期

5 王宇超;李心丹;劉海飛;;算法交易的市場影響研究[J];管理科學學報;2014年01期

6 陳夢根;;算法交易的興起及最新研究進展[J];證券市場導報;2013年09期

7 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];上海交通大學學報;2013年03期

8 方兆本;鎮(zhèn)磊;;基于非對稱效應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];中國科學技術(shù)大學學報;2011年09期

9 李曄;;基于VWAP基準的中國股市日內(nèi)交易量的分解與建模研究[J];北京理工大學學報(社會科學版);2008年06期

相關(guān)博士學位論文 前1條

1 鎮(zhèn)磊;基于高頻數(shù)據(jù)處理方法對A股算法交易優(yōu)化決策的量化分析研究[D];中國科學技術(shù)大學;2010年

相關(guān)碩士學位論文 前4條

1 黃盈;基于適應性交易量預測的VWAP算法交易研究[D];南京大學;2016年

2 楊岑;基于成交量分解的改進VWAP策略研究[D];電子科技大學;2015年

3 敖薇;中國證券市場動態(tài)VWAP策略研究[D];上海交通大學;2013年

4 張昶煜;基于模擬股票市場的算法交易執(zhí)行成本和市場質(zhì)量研究[D];南京大學;2011年

本文編號：2692193