Professional Documents
Culture Documents
6
2008 年 12 月 JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY 渊SOCIAL SCIENCES EDITION冤 Dec.2008
基于 VWAP 基准的中国股市日内交易量
的分解与建模研究
李晔
渊天津大学 管理学院袁 天津 300072冤
摘 要院 基于 VWAP 基准对中国股票市场日内交易量进行分解袁依据中国的实际情况袁提出跟踪中国市场交易量变
化的最佳模型遥 利用超高频交易数据袁实证检验影响中国股票市场交易量变化的几种因素袁并对日内动态交易量进
行分解和建模袁结果表明袁 SETAR 模型经验证比当前市场上广为使用的模型更适宜进行跟踪市场 VWAP 价格遥
关键词院 VWAP 基准曰交易成本曰日内交易量的分解与建模
中图分类号院 F830.9 文献标识院 A 文章编号院 1009-3370渊2008冤06-0041-03
嗓蓸 蔀 瑟
者广泛采用 VWAP渊交易量加权的平均价格 Volume 2v渊T冤[滓渊t袁V冤2X渊t冤]
Weight Average Price冤 为基准来控制成交价格与市 int 2
x*渊t冤越 E[滓渊t袁V冤2] 渊1冤
场价格之间的差异袁 并以此来控制清算风险遥 虽然 v渊T冤
收稿日期院 2008-05-20
基金项目院 国家自然科学基金(70771076)尧国家杰出青年科学基金渊70225002冤资助项目
作者简介院 李晔渊1980要冤袁男袁博士生遥 E-mail院 liyebopi@126.com
- 41 -
北京理工大学学报渊社会科学版冤 2008 年 第 6 期
嗓
间袁而且估计结果对初值的选取有一定的依赖性遥 因
1 x臆子
I渊x冤= 渊7冤 此袁本文接下来将验证袁在中国市场是否有必要更为
0 x跃子
复杂的模型来预测交易量遥
三尧结果分析 本文将样本中前 300 天作为建模样本袁 把剩余
的 100 天作为检验样本遥 利用建模样本中 300 天的
渊一冤数据准备与处理
15 分钟日内交易量变化的进行模型拟合袁用检验样
本文所采用的交易数据全部来自上海证券交易
本中的 100 天的真实交易量与不同模型的预测结果
- 42 -
基 于 VWAP 基 准 的 中 国 股 市 日 内 交 易 量 的 分 解 与 建 模 研 究
移渊y-y赞 冤 移|y-y赞 |
这些行业发展较为平稳尧易于预测的特点相关遥 相反
2
的袁信息技术袁电子等波动较为活跃的股票的预测结
MSE越 i = 1
渊9冤 MAE越 i = 1
渊10冤
n n 果的 MSE 值相对较大袁这些行业对外界各种影响的
表 2 不同行业同模型向前的日内交易量预测的 MSE 敏感性更强遥 这也表明袁在应用 VWAP 策略进行交
MA渊1冤 ARMA渊1袁1冤 SETAR 易时袁应该注意不同行业之间表现出来的截面差异袁
农尧林尧牧尧渔业 0.2124 0.2131 0.1140
对于具有良好预测能力行业可以采用更加保守的交
采掘业 0.2745 0.0788 0.0769
易策略遥 对预测能力较差的行业袁VWAP 策略也许是
制造业 0.2714 0.1691 0.1687
食品尧饮料 0.2577 0.1748 0.1592
不适用的遥
纺织尧服装尧皮毛 0.2588 0.1834 0.1648 表 3 ARMA渊1袁1冤模型和 SETAR 模型的非参数检验
造纸尧印刷 0.2157 0.2099 0.1185 Wilcoxon 非参数 MSE_SETAR- MAE_SETAR -
石油尧化学尧塑胶尧塑料 0.1934 0.1515 0.1001 检验 MSE_ARMA MAE_ ARMA
电子 0.2684 0.2258 0.1965 Z 统计量 -5.543 -4.293
金属尧非金属 0.2543 0.1532 0.1530 双尾检验概率 .000 .000
机械尧设备尧仪表 0.2777 0.1703 0.1401 符号非参数检验
医药尧生物制品 0.1400 0.1588 0.1403 Z 统计量 -5.165 -4.326
电力尧 煤气及水的生产
0.1496 0.1726 0.1599 双尾检验概率 .000 .000
和供应业
建筑业 0.0813 0.0807 0.0836 此外袁为了比较 SETAR 模型和 ARMA渊1袁1冤模
交通运输尧仓储业 0.1269 0.1278 0.1288 型之间的区别袁 我们对这两种模型进行了非参数检
信息技术业 0.2248 0.2278 0.1903 验袁检验 SETAR 模型是否显著优于 ARMA 模型袁检
批发和零售贸易 0.2576 0.1494 0.1475 验 结 果 如 表 4 所 示 袁 在 95% 的 置 信 水 平 下 袁
房地产业 0.2913 0.1580 0.1567
MSE_SETAR-MSE_ARMA 在 0.05 的显著性水平下袁
社会服务业 0.2214 0.1407 0.1179
显著不为零袁wilcoxion 非参数检验和符号非参数检
传播与文化产业 0.2194 0.1555 0.1264
综合类 0.2687 0.1687 0.1699 验 结 果 是 相 同 的 遥 相 比 较 而 言 袁SETAR 模 型 为
* 由于 MAE 的数据特征和表 3 中 MSE 的数据极为相似袁 VWAP 投资者进行交易时降低交易成本提供了一种
在这里受篇幅的限制不将 MAE 的结果列出遥 很好的工具遥
表 2 分 别 为 MA 渊1冤 模 型 尧ARMA 渊1袁1冤 模 型 尧
SETAR 模型对 15 分钟向前的交易量进行预测的
五尧结束语
MSE 和 MAE遥 每组的值为组内所含股票分别用三种 为使机构投资者能够以最优交易成本完成大额
不同方法预测交易量的 MSE 或 MAE 的平均值遥 从 头寸交易袁我们基于 VWAP 基准提出跟踪市场交易
表 3 可以看到袁ARMA渊1袁1冤模型和 SETAR 模型的 量变化的最佳模型遥 对日内交易量的动态变化进行
预测精度是较好的袁MA渊1冤模型最差袁这也和我们前 分解和建模遥 本文利用超高频交易数据分析影响中
面的讨论结果是一致的遥 这表明袁 至少从统计上来 国股票市场交易量变化的几种因素袁 在确定中国股
讲袁采用更复杂的模型能够在进行 VWAP 交易时获 票市场交易量存在公共影响因素下袁 提出一种更为
得更低的交易成本遥 这进一步指明袁拓展 VWAP 交 复杂的 SETAR 模型将交易量分解为三部分遥 本文采
易策略的关键在于继续发掘预测精度更高的模型遥 用的 SETAR 模型经验证比当前市场上广为使用的
从分行业来看袁 表 2 结果的变化趋势可以看出 模型更适宜进行跟踪市场 VWAP 价格遥
对于建筑业尧采掘业尧社会服务业尧石油尧化学尧塑胶尧 渊下转第 83 页冤
- 43 -
产品形态美的塑造
参考文献院
[1] 赫伯特窑里德. 艺术的真谛[M]. 北京院中国人民大学出版社袁2004.
[2] 文森特窑凡窑高. 凡窑高论艺术[M]. 成都院四川美术出版社袁2003.
[3] 阿恩海姆. 视觉思维[M]. 北京院光明日报出版社袁1987.
[4] 唐纳德窑A窑诺曼. 情感化设计[M]. 北京院电子工业出版社袁2005.
[5] 李砚祖. 造物之美[M]. 北京院中国人民大学出版社袁2000.
渊上接第 43 页冤
参考文献院
[1] Bertsimas, D. and A. W. Lo.Optimal control of execution[J]. Journal of Financial Markets, 1998, 1: 1-50.
[2] Almgren, R. and N. Chriss. Optimal execution of portfolio transactions [J]. Journal of Risk,2000,3:5-39.
[3] Almgren, R. and N. Chriss. Optimal execution with nonlinear impact functions and trading -enhanced risk [J].Applied
mathematical finance, 2003, 10:1-18.
[4] Dubil, R. Optimal liquidation of large security holdings in thin markets [A]. Yochanan,Shachmurove .Research in International
Entrepreneurial Finance and Business Ventures at the Turn of the Third Millennium [C]. Academy of Entrepreneurial Finance,
special proceedings issue.2002.
[5] Hisata, Y. and Y. Yamai. Research toward the practical application of liquidity risk evaluation methods [J]. Monetary and
Economic Studies, 2000, December:83-128.
[6] Konishi,H. Optimal slice of a VWAP trade, Journal of Financial Markets , 2002,5,197-221.
[7] Darolles, S., and G., Le Fol, 2003, Trading volume and Arbitrage, Working paper,
[8] Darolles, S., and G., Le Fol, 2006, Improving VWAP strategies : A dynamical volume approach袁Working paper,
[9] Madhavan, A., 2002, VWAP strategies, Transaction Performance: The Changing Face of Trading Investment Guides Series,
Institutional Investor Inc., 32-38.