大额资产清仓的自动化交易策略*(3)
【作者】网站采编
【关键词】
【摘要】表3 交易时长与交易量分配天数V1V2V3V4V5数值4000 4 出售资产的自动化交易策略 4.1 模拟自动交易时间 为捕捉交易期长度的日间自相关现象, 考虑相邻交易日交
表3 交易时长与交易量分配天数V1V2V3V4V5数值4000
4 出售资产的自动化交易策略
4.1 模拟自动交易时间
为捕捉交易期长度的日间自相关现象, 考虑相邻交易日交易时刻向量间的映射关系, 利用神经网络模型建立式(3)所示的一元映射.
Q:xt,k→xt+1,k,t=1,2,…,167,k=1,2,…,48,
其中xt,k为第t天中第k交易期持续的时间,xt+1,k为第t+1天中第k交易期持续的时间,使用所有历史数据训练得到稳定的神经网络.
之后将9月25日的48个时间点t'1,…,t'48作为神经网络的输入值, 输出9月25日后第一个交易日的时间节点作为该日市场上发生交易行为的时间, 再将新得到的结果作为新的输入值, 得到9月25日后第二个交易日市场上发生交易行为的时间, 如表4所示.
表4 预测的交易时间点第1天第2天交易时点09:36:1511:30:0014:30:0214:51:5509:35:2411:11:5014:26:3514:54:0009:44:2113:13:3514:30:1714:52:2409:40:3011:26:0414:28:4514:54:1109:55:2213:18:3714:32:2814:52:4209:43:2713:10:5914:29:5514:54:2109:57:5613:27:1114:37:2814:53:1209:53:3113:29:4514:31:1714:55:0110:01:1813:38:5214:42:3714:53:4709:59:5613:35:1414:31:3414:56:3210:05:3913:50:2614:43:2014:54:3110:07:3613:45:3014:35:2314:57:4910:11:2414:04:2814:44:0414:56:0210:08:3913:48:5014:39:1914:58:1610:25:3914:16:2114:44:5214:57:0010:16:0514:04:5014:41:4414:58:5710:43:0214:25:2814:46:4914:57:2610:19:2614:08:0014:43:0114:59:1410:54:0214:28:3714:50:4014:57:4010:39:3214:10:0514:49:0914:59:3711:01:5514:28:5914:51:1114:58:2310:40:2914:12:5914:51:3714:59:4311:16:0414:29:2614:51:3914:59:0310:58:5414:26:0214:53:1114:59:55
表中的“09:36:15” 表示当天第一个交易期的截止时间点, 即9点30分到9点36分15秒为该交易日的第一个交易期.
4.2 预测交易量
4.2.1 VWAP算法预测市场交易量
考虑到不同交易区间的记忆周期存在明显的区别, 若用常规的交易量加权平均价格算法来预测日内交易量, 可能会产生较大的偏差, 故采用基于自回归的分时VWAP算法, 分别对每个交易期内的总成交量Vt,k进行时间上的自回归分析.
首先利用Mathematica中的UnitRootTest检验时间序列的平稳性, 确认历史数据适用于自回归模型.利用STATA中的ac图像与pac图像, 结合Mathematica中TimeSeriesModelFit函数给出的模型结果, 判断出股票可以使用具有3阶时滞的AR模型Vt,k=a0+a1Vt-1,k+a2Vt-2,k+a3Vt-3,k进行拟合.利用STATA回归拟合并检验, 保留影响显著的参数后得到股票交易量的自影响机制,见式(4).
Vt,k=.8+,k+,k+,k.
利用历史数据, 对9月25日后两个交易日的每个交易期的交易量进行初步预测, 得到的交易量分布如表5所示.
表5 预测的总交易量SH第1天SH第2天交易量(手)3705总交易量1551
表中的 “” 表示在表4所示的第一个交易期中市场上关于”SH” 的交易量为手.
4.2.2 确定机构投资者预期出售量
基于投资者的出售行为总是理性的假设, 当市场交易量大时抛售更多的股票、市场交易量小时出售较少的股票, 可以遵循市场的波动规律, 减少自身行为造成的价格下降.可以考虑在每个交易期内的抛出量占所有股数的比例与该交易期内该股的成交量占该股全天总成交量的比例相同.
4.3 股票初始价格预测
股票的短期价格往往会围绕其当期总体平均水平上下浮动, 而长期的价格走势很大程度上会受到市场交易情况的影响.9月25日之前股票价格的持续走高, 很可能是市场中热度不断提高的股票买卖交易造成的.若不考虑其他外部因素的影响, 从9月26日开始的价格水平下跌, 则是因为该公司股票抛售行为导致的瞬时和永久性价格冲击.所以资产清仓开始时的股票价格应为短期内的上限, 并在后续几日内呈整体下降的走势.若要确定不受市场交易情况影响时的股票成交价格, 只需分析一定时期内股票价格情况的变化规律, 即从真实的成交价格中刨除由于公司抛售股票(并可能引发更多投资者跟风抛售)造成的价格变动部分.
使用期权定价公式, 即带有漂移项的布朗运动模型dP(t)=at+dB(t)对9月25日之前的股票价格数据进行拟合.去除因为若干外部不可测因素带来的价格走势升高(即正向漂移项部分), 剩下的随机运动部分表示价格的波动状况.分别选用不同的布朗运动方程分别对48个交易期的日间规律进行刻画, 即Pk(t+1)=Pk(t)+akt+dBk(t).
考虑到预测模型本身也带有不确定性, 参考Kalman滤波, 对于选定的第k=k0交易期, 首先使用期权定价公式与第t天的信息, 计算第t+1天第k0交易期的初始成交价格预测值, 再用第t+1天市场成交真实价格对该模型进行修正.
文章来源:《应用数学和力学》 网址: http://www.yysxhlx.cn/qikandaodu/2021/0205/336.html
上一篇:小学数学教育中应用数学文化的思考
下一篇:现代经济管理中应用数学的应用价值探讨