基于高頻數(shù)據(jù)處理方法對(duì)A股算法交易優(yōu)化決策的量化分析研究.pdf

1、算法交易是指通過事先設(shè)計(jì)好交易策略,然后將其編制成計(jì)算機(jī)程序,在無(wú)人干預(yù)的情況下利用計(jì)算機(jī)程序的算法來(lái)決定交易下單的時(shí)機(jī)、價(jià)格和數(shù)量等,并且結(jié)合當(dāng)前行情的變化自動(dòng)作出反應(yīng)。在證券市場(chǎng)上機(jī)構(gòu)投資者在進(jìn)行交易量較大的證券交易時(shí),除了手續(xù)費(fèi)和交易稅等確定性成本外,還必須考慮執(zhí)行成本:由于該證券流動(dòng)性有限,投資者執(zhí)行期望一次成交的量會(huì)產(chǎn)生沖擊成本,并且會(huì)使證券價(jià)格向不利方向變動(dòng),而如果將指令分割得很小,則交易時(shí)間就會(huì)增加,價(jià)格變化的可能性更大。

2、正是基于這一問題,越來(lái)越多的經(jīng)紀(jì)商和機(jī)構(gòu)投資者開始采用算法交易,今天,美國(guó)90％以上的證券經(jīng)理在建立投資組合時(shí)至少使用一次算法交易。而亞洲市場(chǎng)上也有40%的交易是基于算法交易完成。
　　 而針對(duì)算法交易的研究,僅僅利用低頻數(shù)據(jù)是不行的。算法交易在執(zhí)行中往往在一天內(nèi)需要執(zhí)行頻繁的交易指令,必須跟蹤市場(chǎng)每刻的實(shí)時(shí)交易行情,因此利用高頻交易數(shù)據(jù)來(lái)建模會(huì)有更好的擬合效果。
　　 當(dāng)前我國(guó)A股市場(chǎng)的算法交易尚處于起步階段,但考慮到

3、A股市場(chǎng)目前的實(shí)際情況,相比國(guó)外成熟的證券市場(chǎng),價(jià)格波動(dòng)更大,流動(dòng)性更大,因而算法交易的價(jià)值更為突出,而隨著國(guó)內(nèi)股指期貨的提出,各類機(jī)構(gòu)投資者都在進(jìn)行套利模型的設(shè)計(jì),如何避免大筆下單給市場(chǎng)造成價(jià)格大幅波動(dòng)是模型中必須考慮的問題。因此各種創(chuàng)新交易方式將被逐步運(yùn)用于各種套利交易中,因此對(duì)于算法交易的需求會(huì)更加明顯。
　　 本文首先介紹了算法交易的興起和發(fā)展現(xiàn)狀,以及當(dāng)前算法交易的主流設(shè)計(jì)思想和常用算法,再結(jié)合A股市場(chǎng)的發(fā)展分析,總結(jié)

4、出在A股市場(chǎng)進(jìn)行算法交易需要注意的問題。
　　 本文利用高頻數(shù)據(jù)處理方法提出了一種適合A股市場(chǎng)交易規(guī)則的交易算法,分別考慮無(wú)交互效應(yīng)和有交互效應(yīng)兩種情況下交易策略的設(shè)計(jì)。無(wú)交互效應(yīng)的模型首先通過ACD模型建模得到交易持續(xù)期序列,選擇交易時(shí)間點(diǎn),然后分別對(duì)每個(gè)交易期間的成交量分布和每個(gè)期間的價(jià)格變化進(jìn)行預(yù)測(cè),最后根據(jù)價(jià)格的變化對(duì)交易量進(jìn)行調(diào)整。而對(duì)于有交互效應(yīng)的情況,通過事件分析法引入交互因子,并對(duì)其影響進(jìn)行修正建模分析,得到相應(yīng)

5、的交易策略。
　　 在算法的具體實(shí)施過程中,我們對(duì)傳統(tǒng)方面進(jìn)行了一定的創(chuàng)新。在預(yù)測(cè)交易時(shí)間時(shí),我們提出了一種帶非對(duì)稱效應(yīng)的擴(kuò)展ACD模型以解釋外在因素對(duì)未來(lái)交易量持續(xù)期的影響;在預(yù)測(cè)交易量分布,考慮不同時(shí)間段的記憶周期差異,提出了一種基于自相關(guān)的分時(shí)VWAP算法。
　　 根據(jù)設(shè)定的交易策略,利用A股市場(chǎng)10只股票2008年的高頻交易數(shù)據(jù),進(jìn)行了算法的實(shí)證研究。分別通過交易期預(yù)測(cè)、交易量分布預(yù)測(cè)和股票價(jià)格變動(dòng)預(yù)測(cè),經(jīng)過調(diào)整