基于機器學習方法的動態日內成交量比例預測的VWAP算法
發布時間：2020-12-15 12:26
最近幾十年,計算機技術和互聯網技術的快速發展,帶動了電子交易執行系統快速發展,這種電子交易執行系統稱為算法交易。在金融市場中,算法交易是指投資者通過計算機下達交易命令的交易方式,這種交易方式由計算機算法來確定下達的交易命令的交易時機、價格、下單的數量等。本文研究的問題就是算法交易策略中使用最廣泛的VWAP算法交易策略,VWAP算法交易策略的執行效果很大程度上取決于日內成交量比例的預測。因此本文的重點就在于研究日內成交量比例的預測方法。本文提出的日內成交量比例預測模型,使用了隨機森林和前饋神經網絡方法,模型的輸入包括過去一段時間歷史交易日的成交量和相同區間的成交量、過去幾個區間的區間的成交量,輸出為區間的成交量比例。本文使用的數據為中國金融期貨交易所的滬深300股指期貨主力連續合約的5分鐘K線數據,在這個數據上驗證本文提出的模型,相對于傳統的滾動平均方法,前饋神經網絡方法的均方誤差提升了9.90%,證明本文提出的日內成交量比例預測模型的有效性。接下來本文使用滬深300股指期貨主力連續合約的數據驗證了成交量比例和收益率的相關關系。本文分別計算了成交量比例和收益率的皮爾森相關系數和斯皮爾曼相...
【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】：59 頁
【學位級別】：碩士
【部分圖文】：
圖２．１：決策樹模型示意圖??
圖２．２：?Ｍ－Ｐ神經元模型??即為：ｙ?＝?／ＱＸｌＵＷ?＋０），其中／函數為激活函數，一般我們使用Ｓｉｇｍｏｉｄ??函數作為激活函數，如圖２．３。Ｓｉｇｍｏｉｄ函數的計算公式為：Ｓｉｇｍｏｉｄ（ｊ；）?＝?１＋＾＞??可見Ｓｉｇｍｏｉｄ函數的輸出為（０，：〇范圍內的值。其他的常見激活函數及其使用我??們在接下來的小節中進行介紹。??ｌ．ｏ?Ｉ?１?１?—－??廣?——ｓｉｇｍｏｉｄ??０．８?－?／?－??ｒ?／??Ｓ?０．４?－?／?－??０．２?－?／?－??°＇－１０?－５?０?５?１０??ｘ??圖２．３：?Ｓｉｇｍｏｉｄ函數不意圖??接下來我們介紹一下本文要使用的多層前饋神經網絡，前饋神經網絡結構??圖如２．４。??其中包含輸入層、隱層和輸出層。隱層是指輸入層和輸出層之間的所有層，??隱層可以為一層或者多層，該結構圖中隱層只有一層。輸入層只接受網絡的??輸入，然后傳遞到隱層，輸入層中沒有激活函數，隱層和輸出層都具有激活函??－１７－??
?？??＾／??圖２．２：?Ｍ－Ｐ神經元模型??即為：ｙ?＝?／ＱＸｌＵＷ?＋０），其中／函數為激活函數，一般我們使用Ｓｉｇｍｏｉｄ??函數作為激活函數，如圖２．３。Ｓｉｇｍｏｉｄ函數的計算公式為：Ｓｉｇｍｏｉｄ（ｊ；）?＝?１＋＾＞??可見Ｓｉｇｍｏｉｄ函數的輸出為（０，：〇范圍內的值。其他的常見激活函數及其使用我??們在接下來的小節中進行介紹。??ｌ．ｏ?Ｉ?１?１?—－??廣?——ｓｉｇｍｏｉｄ??０．８?－?／?－??ｒ?／??Ｓ?０．４?－?／?－??０．２?－?／?－??°＇－１０?－５?０?５?１０??ｘ??圖２．３：?Ｓｉｇｍｏｉｄ函數不意圖??接下來我們介紹一下本文要使用的多層前饋神經網絡，前饋神經網絡結構??圖如２．４。??其中包含輸入層、隱層和輸出層。隱層是指輸入層和輸出層之間的所有層，??隱層可以為一層或者多層，該結構圖中隱層只有一層。輸入層只接受網絡的??輸入，然后傳遞到隱層，輸入層中沒有激活函數，隱層和輸出層都具有激活函??－１７－??
【參考文獻】：
期刊論文
[1]Intraday Volume Percentages Forecasting Using a Dynamic SVM-Based Approach[J]. LIU Xiaotao,LAI Kin Keung. Journal of Systems Science & Complexity. 2017(02)
[2]基于成交量分解模型的改進VWAP策略[J]. 夏暉,楊岑. 運籌與管理. 2017(02)
[3]基于動態交易量預測的VWAP算法交易賣出策略[J]. 姚海博,茹少峰,張文明. 運籌與管理. 2015(02)
[4]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)
[5]基于瞬時交易量及收益率動態調整的交易量加權平均價格策略[J]. 周仁才,陳曉雯. 上海交通大學學報. 2013(03)
[6]基于市場沖擊成本與機會成本的算法交易策略[J]. 燕汝貞,李平,曾勇. 管理學報. 2012(07)
[7]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]. 方兆本,鎮磊. 中國科學技術大學學報. 2011(09)
本文編號：2918264
【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】：59 頁
【學位級別】：碩士
【部分圖文】：
圖２．１：決策樹模型示意圖??
圖２．２：?Ｍ－Ｐ神經元模型??即為：ｙ?＝?／ＱＸｌＵＷ?＋０），其中／函數為激活函數，一般我們使用Ｓｉｇｍｏｉｄ??函數作為激活函數，如圖２．３。Ｓｉｇｍｏｉｄ函數的計算公式為：Ｓｉｇｍｏｉｄ（ｊ；）?＝?１＋＾＞??可見Ｓｉｇｍｏｉｄ函數的輸出為（０，：〇范圍內的值。其他的常見激活函數及其使用我??們在接下來的小節中進行介紹。??ｌ．ｏ?Ｉ?１?１?—－??廣?——ｓｉｇｍｏｉｄ??０．８?－?／?－??ｒ?／??Ｓ?０．４?－?／?－??０．２?－?／?－??°＇－１０?－５?０?５?１０??ｘ??圖２．３：?Ｓｉｇｍｏｉｄ函數不意圖??接下來我們介紹一下本文要使用的多層前饋神經網絡，前饋神經網絡結構??圖如２．４。??其中包含輸入層、隱層和輸出層。隱層是指輸入層和輸出層之間的所有層，??隱層可以為一層或者多層，該結構圖中隱層只有一層。輸入層只接受網絡的??輸入，然后傳遞到隱層，輸入層中沒有激活函數，隱層和輸出層都具有激活函??－１７－??
?？??＾／??圖２．２：?Ｍ－Ｐ神經元模型??即為：ｙ?＝?／ＱＸｌＵＷ?＋０），其中／函數為激活函數，一般我們使用Ｓｉｇｍｏｉｄ??函數作為激活函數，如圖２．３。Ｓｉｇｍｏｉｄ函數的計算公式為：Ｓｉｇｍｏｉｄ（ｊ；）?＝?１＋＾＞??可見Ｓｉｇｍｏｉｄ函數的輸出為（０，：〇范圍內的值。其他的常見激活函數及其使用我??們在接下來的小節中進行介紹。??ｌ．ｏ?Ｉ?１?１?—－??廣?——ｓｉｇｍｏｉｄ??０．８?－?／?－??ｒ?／??Ｓ?０．４?－?／?－??０．２?－?／?－??°＇－１０?－５?０?５?１０??ｘ??圖２．３：?Ｓｉｇｍｏｉｄ函數不意圖??接下來我們介紹一下本文要使用的多層前饋神經網絡，前饋神經網絡結構??圖如２．４。??其中包含輸入層、隱層和輸出層。隱層是指輸入層和輸出層之間的所有層，??隱層可以為一層或者多層，該結構圖中隱層只有一層。輸入層只接受網絡的??輸入，然后傳遞到隱層，輸入層中沒有激活函數，隱層和輸出層都具有激活函??－１７－??
【參考文獻】：
期刊論文
[1]Intraday Volume Percentages Forecasting Using a Dynamic SVM-Based Approach[J]. LIU Xiaotao,LAI Kin Keung. Journal of Systems Science & Complexity. 2017(02)
[2]基于成交量分解模型的改進VWAP策略[J]. 夏暉,楊岑. 運籌與管理. 2017(02)
[3]基于動態交易量預測的VWAP算法交易賣出策略[J]. 姚海博,茹少峰,張文明. 運籌與管理. 2015(02)
[4]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)
[5]基于瞬時交易量及收益率動態調整的交易量加權平均價格策略[J]. 周仁才,陳曉雯. 上海交通大學學報. 2013(03)
[6]基于市場沖擊成本與機會成本的算法交易策略[J]. 燕汝貞,李平,曾勇. 管理學報. 2012(07)
[7]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]. 方兆本,鎮磊. 中國科學技術大學學報. 2011(09)
本文編號：2918264
本文鏈接：http://www.178750.tw/jingjilunwen/hongguanjingjilunwen/2918264.html
上一篇：中國物流業技術效率、技術進步及其地區差異研究
下一篇：沒有了
下一篇：沒有了