實際交易過程當中,很多機構投資者都需要下大額的訂單,在下單過程中,考慮到市場流動性和市場沖擊成本等因素,投資者開始利用算法交易隱藏其交易過程,將大額訂單拆分,分次以小額訂單下達成交。算法交易的首次提出在上世紀80年代,經過幾十年的發(fā)展,主要分為三代。第一代算法交易策略考慮通過歷史信息最小化市場沖擊成本,最典型的就是交易量加權平均算法（Volume Weighted Average Price,簡稱VWAP）,這一類算法已經在市場中廣泛使用。第二代算法交易策略以執(zhí)行差額算法（Implementation Shortfall,簡稱IS）為代表,在第一代算法的基礎上引入交易的時間沖擊成本。第三代算法交易策略只是在第二代的基礎上深化和完善,考慮動態(tài)調整策略�，F(xiàn)在的學者主要研究兩個方向,一是如何優(yōu)化VWAP算法中的交易量預測模型,另一個方向是如何在IS算法中優(yōu)化價格變動模型。但無論是傳統(tǒng)模型還是優(yōu)化后的模型,在實際運用過程中,容易在一些極端情形造成過量損失。因此在本文當中,我們考慮引入新的風險刻畫模型,來減少這種損失�，F(xiàn)在流行的最優(yōu)化評價準則有三類,一是最優(yōu)化期望,其中第一代算法交易策略主要用這... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

圖３－１：算法交易風險平價的結果??

?山東大學碩士學位論文???第四章實證分析??４．１數(shù)據(jù)選取與預處理??４．１．１數(shù)據(jù)選取??我們的實證采用的是上證５０ＥＴＦ股指的數(shù)據(jù)，國內上證５０ＥＴＦ股指流動??性高，能充分體現(xiàn)國內市場特點。我們使用上證５０ＥＴＦ?（５１００５０）從２０１Ｇ年３??月到２０１９年９月的分鐘級數(shù)據(jù)來進行驗證，其中日開盤價的走勢圖如圖４－１所??示。其中橫軸表示時間，縱軸是開盤價。???５１００５０???３．４?？??２０１６－０３?２０１６－０９?２０１７－０３?２０１７．０９?２０?１８－０３?２０１８－０９?２０１９－０３?２０１９－０９??Ｔｉｍｅ??圖４－１：上證５０ＥＴＦ走勢圖??４．１．２數(shù)據(jù)預處理??數(shù)據(jù)預處理包括??１．數(shù)據(jù)重構：我們取的是上證５０ＥＴＦ股指的分鐘級數(shù)據(jù)進行分析，三年半??的時間大約有１９萬條。同時我們將數(shù)據(jù)轉化成日期為索引和日內時間為??列名的數(shù)據(jù)格式，最終獲得８０５個交易日的數(shù)據(jù)，后續(xù)的分析都基于重構??之后的數(shù)據(jù)。??２．數(shù)據(jù)補全與刪減：經過檢查，這個數(shù)據(jù)集的每一個交易日并沒有數(shù)據(jù)缺失??或者異常，不需要進行額外的數(shù)據(jù)補全。在實際交易過程當中，上午九點??二十五，交易市場存在集合競價，所以會多一條一分鐘數(shù)據(jù)，但我們在實??－２５－??

?山東大學碩士學位論文???證分析的過程中，這條數(shù)據(jù)不會使用，后續(xù)分析過程中，直接將這一分鐘??的數(shù)據(jù)舍棄。??通過以上預處理得到數(shù)據(jù)集，后續(xù)所有的數(shù)據(jù)分析都基于此預處理之后的??數(shù)據(jù)集。??４．２數(shù)據(jù)分析??４．２．１?ＶＷＡＰ?實例??我們考慮用移動平均算法對交易量進行估計。這里考慮使用的是過去１０天??的交易量的均值作為交易量的預測值。基于這種算法，我們對上證５０ＥＴＦ的??２０１６－２０１７年度的數(shù)據(jù)進行分析，部分結果如下所示。???２０１６０４１５???ＺＩＢＡ?■?ｊ?＼??ＳＥ?ｆ?Ｖｗ?＾??Ｑ?５０?１００?１５０?２００?２５０??Ｔｉｍｅ??圖４－２：?２０１６０４１５日的每分鐘開盤價走勢圖??圖４－２畫的是２０１６年４月１５號每分鐘開盤價的走勢圖，我們可以看到在??這一天當中價格有多次起伏。但是這一天中的股指價格還是比較穩(wěn)定的，與一??般情形比較符合。??圖４－３畫的是２０１６年４月１５號交易量的預測值與真實值的對比圖。其中??橫軸代表時間間隔，從開盤到封盤，并把中間停盤的時間去掉，時間間隔是一分??鐘，縱軸代表每分鐘占整天交易量的比重。紅線代表的是交易量的真實值，藍線??代表的是交易量的預測值。通過比較分析，我們可以得到ＶＷＡＰ算法關于交易??量的預測，在每分鐘看來誤差會很大但是在量級上差別并不大。從一天交易量??的分布走勢來看，我們的ＶＷＡＰ策略能夠很好的你和實際市場的交易量分布，??這樣得到的交易策略的ＶＷＡＰ價格和市場的ＶＷＡＰ價格誤差就會很校由圖??分析我們可以得到，在一般情形下，移動平均算法關于交易量分布的預測準確??－２６?－??

【參考文獻】：
期刊論文
[1]算法交易的市場影響研究[J]. 王宇超,李心丹,劉海飛.  管理科學學報. 2014(01)
[2]算法交易的興起及最新研究進展[J]. 陳夢根.  證券市場導報. 2013(09)
[3]論全球證券交易系統(tǒng)七大發(fā)展趨勢[J]. 楊明秋.  世界經濟研究. 2010(11)

碩士論文
[1]基于機器學習方法的動態(tài)日內成交量比例預測的VWAP算法[D]. 張帥.山東大學 2019
[2]基于模擬股票市場的算法交易執(zhí)行成本和市場質量研究[D]. 張昶煜.南京大學 2011



本文編號：3362848