[转] VWAP算法
一个交易策略涉及几个要素，如交易期限、交易证券（组合）、交易目标等，详情可参见前面的内容。简单起见，本节仅考虑在一个完整的交易日买入一定数量的某单一股票的VWAP 策略。首先介绍日内交易量分布的概念及预测模型。
1．日内交易量分布及预测模型
日内交易量有两个非常重要的属性，第一个是总交易量，第二个是交易量的分布，其中第二个属性是VWAP 算法交易策略所着重考虑的。交易量的分布是指某指定时间区间内的交易量占全天交易量的比例。影响交易量分布的因素有很多，包括市场参与者组成、宏观经济因素、投资者信心等。经验研究表明，日内交易量一般会呈现U形态，即开盘和收盘时刻交易量要明显高于交易期间的交易量。
假设交易量分布具有一定的记忆性，即每日的交易量分布之间存在一定的类似性，交易量所具有的这种记忆性是让我们利用历史数据对交易量分布进行预测的基础。
2．简单移动加权平均预测模型
该模型的基本思想就是利用交易量分布的记忆性，将每个交易日固定时间段的交易量占全天交易量的比例按照加权平均的方法前推，得到一个新的交易量分布。
首先将交易日等分为固定数量的 N 个区间。区间的长度不能太长也不能太短，太长的区间会使模型显得比较粗糙，而且区间操作的不确定性也会增加；太短的区间又因为噪音等因素而使得预测模型不可靠。基于上述考虑，本节的讨论中取 N = 48，每个区间的长度为5分钟。
假设利用前 L个交易日的历史数据来预测接下来一天的交易量分布。需要预测交易量分布的日期记为L，历史交易日按由远及近的原则分别记为。对于日期，日内交易量分布为 ，其中 表示 天的第k个区间内的交易量占全天交易量的比例。
采用如下移动加权平均方法来预测新的交易量分布：其中，f(i) 表示对应于ti 的加权系数。
不同的加权系数体现了对历史数据的不同看法。简单移动加权平均平等对待所有的历史数据，而线性加权平均则将更多的权重放在最近的历史数据上。
3．标准VWAP策略原理
标准的 VWAP策略是一种静态策略，即在交易开始之前，利用已有信息确定提交策略，交易开始之后按照此策略进行交易，而不考虑交易期间的信息。
需要买入的股票数量记为V，区间的划分与预测交易量分布时一样，并假设已经通过预测技术获得了当天的交易量分布预测值 。以1分钟为单位，按照预测的成交比例分配每个区间内的交易量，在区间内再平均分配。
设为各分钟的成交价格，市场最终的成交量分布为，则执行差额定义为决策者的交易均价与市场成交均价的差，可得：
由上式可以看出，VWAP策略的好坏直接受交易量分布预测质量的影响。预测越准确，比较误差越小。但正如已经看到的那样，交易量分布预测很难做到十分精确，从而普通的VWAP 策略的执行效果将很难保证。
标准 VWAP策略是一种非常简单的静态策略。它涉及的变量较少，执行比较容易，在正常情况下能够较好地跟随市场成交价格。
标准的VWAP策略虽然简单易行，但是有两个很明显的缺点：第一是它完全依赖于日内交易量分布预测，如果预测不准确，VWAP策略的执行效果将非常不确定；第二是它是一种完全静态的策略，也就是说在交易开始之前就完成了决策，在交易时间内执行策略即可，没有将市场的最新信息如价格变化、交易量变化等考虑进去，使得它不能更好地适应市场的变化，从而无法获得更好的交易价格。
您需要 [注册] 或 [登陆] 后才能发表点评