论文部分内容阅读
最近几十年,计算机技术和互联网技术的快速发展,带动了电子交易执行系统快速发展,这种电子交易执行系统称为算法交易。在金融市场中,算法交易是指投资者通过计算机下达交易命令的交易方式,这种交易方式由计算机算法来确定下达的交易命令的交易时机、价格、下单的数量等。本文研究的问题就是算法交易策略中使用最广泛的VWAP算法交易策略,VWAP算法交易策略的执行效果很大程度上取决于日内成交量比例的预测。因此本文的重点就在于研究日内成交量比例的预测方法。本文提出的日内成交量比例预测模型,使用了随机森林和前馈神经网络方法,模型的输入包括过去一段时间历史交易日的成交量和相同区间的成交量、过去几个区间的区间的成交量,输出为区间的成交量比例。本文使用的数据为中国金融期货交易所的沪深300股指期货主力连续合约的5分钟K线数据,在这个数据上验证本文提出的模型,相对于传统的滚动平均方法,前馈神经网络方法的均方误差提升了9.90%,证明本文提出的日内成交量比例预测模型的有效性。接下来本文使用沪深300股指期货主力连续合约的数据验证了成交量比例和收益率的相关关系。本文分别计算了成交量比例和收益率的皮尔森相关系数和斯皮尔曼相关系数,然后通过假设检验,计算P值,证明了成交量比例和收益率不仅具有显著的线性相关关系,还具有显著的非线性相关关系。继而本文将收益率和由收益率计算的波动率加入到本文提出的日内成交量比例预测模型中,相对于滚动平均方法,随机森林方法的均方误差提升了12.90%,在同时使用前馈神经网络方法时,加入收益率、波动率的日内成交量比例预测模型和未加入收益率、波动率的模型相比,均方误差的提升(相对于滚动平均方法)从9.90%提高到13.27%,证明了本文提出的使用收益率和波动率来预测成交量比例的有效性。最后本文计算了加入收益率和波动率的日内成交量比例预测模型的VWAP和传统的滚动平均的VWAP,和市场真实的VWAP进行对比。使用平均绝对百分误差作为评价标准,相对于传统的滚动平均方法,加入收益率和波动率的日内成交量比例预测模型的VWAP跟踪效果的平均绝对百分误差提升了38.36%,证明了本文提出的模型的VWAP跟踪效果更好。通过分析VWAP跟踪误差较大的交易日的实际情况,本文发现在该交易日的中间时段开始,成交价开始大幅下降,导致成交量激增,这个时候传统的滚动平均预测的成交量比例与实际情况相差较大,加入收益率和波动率的日内成交量比例预测模型预测的成交量比例能较好的拟合实际的成交量比例,因而相应的VWAP跟踪效果更好。同时本文使用了前馈神经网络方法来预测成交量比例,为以后将更加复杂的神经网络方法应用到这方面的研究打下了基础。