基于高频数据处理方法对A股算法交易优化决策的量化分析研究

发布时间：2020-10-17 08:46

　　 算法交易是指通过事先设计好交易策略,然后将其编制成计算机程序,在无人干预的情况下利用计算机程序的算法来决定交易下单的时机、价格和数量等,并且结合当前行情的变化自动作出反应。在证券市场上机构投资者在进行交易量较大的证券交易时,除了手续费和交易税等确定性成本外,还必须考虑执行成本:由于该证券流动性有限,投资者执行期望一次成交的量会产生冲击成本,并且会使证券价格向不利方向变动,而如果将指令分割得很小,则交易时间就会增加,价格变化的可能性更大。正是基于这一问题,越来越多的经纪商和机构投资者开始采用算法交易,今天,美国90%以上的证券经理在建立投资组合时至少使用一次算法交易。而亚洲市场上也有40%的交易是基于算法交易完成。 而针对算法交易的研究,仅仅利用低频数据是不行的。算法交易在执行中往往在一天内需要执行频繁的交易指令,必须跟踪市场每刻的实时交易行情,因此利用高频交易数据来建模会有更好的拟合效果。 当前我国A股市场的算法交易尚处于起步阶段,但考虑到A股市场目前的实际情况,相比国外成熟的证券市场,价格波动更大,流动性更大,因而算法交易的价值更为突出,而随着国内股指期货的提出,各类机构投资者都在进行套利模型的设计,如何避免大笔下单给市场造成价格大幅波动是模型中必须考虑的问题。因此各种创新交易方式将被逐步运用于各种套利交易中,因此对于算法交易的需求会更加明显。 本文首先介绍了算法交易的兴起和发展现状,以及当前算法交易的主流设计思想和常用算法,再结合A股市场的发展分析,总结出在A股市场进行算法交易需要注意的问题。 本文利用高频数据处理方法提出了一种适合A股市场交易规则的交易算法,分别考虑无交互效应和有交互效应两种情况下交易策略的设计。无交互效应的模型首先通过ACD模型建模得到交易持续期序列,选择交易时间点,然后分别对每个交易期间的成交量分布和每个期间的价格变化进行预测,最后根据价格的变化对交易量进行调整。而对于有交互效应的情况,通过事件分析法引入交互因子,并对其影响进行修正建模分析,得到相应的交易策略。 在算法的具体实施过程中,我们对传统方面进行了一定的创新。在预测交易时间时,我们提出了一种带非对称效应的扩展ACD模型以解释外在因素对未来交易量持续期的影响;在预测交易量分布,考虑不同时间段的记忆周期差异,提出了一种基于自相关的分时VWAP算法。 根据设定的交易策略,利用A股市场10只股票2008年的高频交易数据,进行了算法的实证研究。分别通过交易期预测、交易量分布预测和股票价格变动预测,经过调整得到了策略的执行交易量,经过模拟检验表明该算法在一定的成交概率下能优于市场均价。进一步,我们在模型中加入交互效应因子,结果表明在同样的成交概率限制下,有交互效应的情况执行价格略低于无交互效应的情况,但仍能显著优于市场均价。
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2010
【中图分类】：F832.51;F224
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究框架
    1.3 研究创新点
第2章 金融高频数据
    2.1 金融高频数据研究综述
    2.2 金融高频数据的特征
    2.3 金融高频数据处理方法
        2.3.1 ACD 模型
        2.3.2 EMD 分解
        2.3.3 小波分析
        2.3.4 分类回归模型
第3章 算法交易
    3.1 算法交易的发展综述
    3.2 算法交易在国内的发展
    3.3 算法交易设计思想
    3.4 算法交易分类
        3.4.1 交易量加权平均价格（VWAP）算法
        3.4.2 扩展的VWAP 算法
        3.4.3 其他主要交易算法
    3.5 算法交易的测试
        3.5.1 传统的测试方法
        3.5.2 创新的测试方法
第4章 股票价格与成交量的相关结构
    4.1 Copula 在金融领域相关研究
    4.2 A 股市场常用的copula 方法
    4.3 Bernstein Copula
    4.4 Bernstein Copula 模型估计方法
    4.5 Copula 模型拟合优度
第5章 无交互效应的交易策略
    5.1 模型基础定义及适用范围
        5.1.1 交易策略出发点
        5.1.2 模型数据的选择
        5.1.3 策略及其适用的范围
    5.2 影响策略的其他因素
        5.2.1 A 股市场交易规则的使用
        5.2.2 影响成交的因素
        5.2.3 区间成交压力的定义
    5.3 成交区间的划分
        5.3.1 常规 ACD 模型
        5.3.2 带非对称效应的 ACD 模型
    5.4 成交量分布的建模
        5.4.1 常规 VWAP 算法
        5.4.2 基于自回归的分时 VWAP 算法
    5.5 成交价策略的建模
    5.6 策略的调整及说明
    5.7 策略的检验
第6章 考虑交互效益的交易策略
    6.1 对交互效应的定义
    6.2 引入交互效应因子建模
        6.2.1 事件分析对交互效应的判别
        6.2.2 交互效应的建模
第7章 A 股算法交易实证研究
    7.1 无交互效应的交易策略的实证研究
        7.1.1 数据基本信息
        7.1.2 ACD 模型预测交易时间
        7.1.3 交易量分布预测
        7.1.4 股票价格波动预测
        7.1.5 交易量调整
        7.1.6 Copula 价量相关性分析
        7.1.7 交易策略模拟检验
    7.2 考虑交互效应的交易策略实证研究
        7.2.1 构建有交互效应的交易策略
        7.2.2 交易策略模拟检验
第8章 结论
参考文献

【引证文献】

相关期刊论文 前2条

1 燕汝贞;李平;曾勇;;一种面向高频交易的算法交易策略[J];管理科学学报;2014年03期

2 陈梦根;;算法交易的兴起及最新研究进展[J];证券市场导报;2013年09期

相关硕士学位论文 前3条

1 王俊杰;量化交易在中国股市的应用[D];南京大学;2013年

2 姚海博;基于动态交易量预测的VWAP算法交易策略研究[D];西北大学;2014年

3 朱莹;基于在线理论的股票算法交易策略研究[D];西北大学;2014年

本文编号：2844557