[发明专利]一种基于投资者情绪的VWAP量化交易系统及方法

说明书

本发明公开了一种基于投资者情绪的VWAP量化交易系统及方法。首先，通过结合Hownet中文基础情感词典、以BCC为语料金融领域词典和文本挖掘的东方财富网股吧来构建个股投资者情绪指标；然后，通过对若干投资者情绪代理变量的主成分分析，得到市场投资者情绪指标；最后，引入文本挖掘出的个股投资者情绪指标，建立了支持向量机(SVM)模型预测模型，并将市场投资者情绪指标作为影响因子加入到传统VWAP量化交易策略概率测度的更新迭代中，得到适应性交易曲线，以实现动态交易策略的执行，从而获得基于投资者情绪改进的VWAP动态交易策略。本发明实现了投资者情绪和算法交易的结合，相较于传统交易策略有利于降低交易成本，提高交易收益，具有较强的适用性和推广性。

技术领域

本发明涉及一种VWAP策略的量化交易系统及方法，尤其涉及一种基于投资者情绪的VWAP动态交易策略构建技术，属于量化交易技术领域。

背景技术：

投资者情绪主要分为直接情绪指标和间接情绪指标两个方面。直接情绪指标通过直接调查参与市场的投资者，来统计投资者对市场长势的态度，从而获取市场悲观或者乐观情绪指标，有研究表明直接情绪指标在实证意义上与市场收益率显著相关。间接情绪指标通过研究间接影响投资者对股市预期估价的指标得到，往往由市场代理变量代替度量，基于交易量、IPO数量、首日收益率、股利收益、股票发行比例及封闭式基金折价率等六个指标，构造度量投资者情绪的BW复合指数。文本挖掘技术的兴起，让学界和业界意识到利用这项技术可以挖掘有关投资者情绪和观念的大量信息，大量研究已经运用文本挖掘技术证明了金融文本中投资者情绪的存在性和对交易的显著影响。金融文本分析是构建投资者情绪指标的重要技术难关。常用的金融文本分析技术包括机器学习和语义分析两类。机器学习方面，引入机器学习算法分析股吧投资者的发帖、评论等文本信息，设计投资者情绪指标并发现其变化，实现对市场运动方向的刻画和预测。语义分析方面，可以运用基于语义规则的文本分析方法或者根据情感词典对金融文本数据进行分析量化。

算法交易最早产自美国，表示利用计算机自动完成的交易过程。算法交易的产生主要基于通讯技术和电子交易系统的发展。上世纪70年代以来市场委托指令流开始出现计算机化的趋势，新兴市场大都采用前沿的电子交易系统，以手动输入为主的传统交易所也渐渐转向电子化交易，为算法交易的产生奠定了根基。VWAP(Volume Weighted AveragePrice，成交量加权平均价)策略是一种拆分大额委托单，在约定时间段内分批执行，以期使得最终买入或卖出成交均价尽量接近该段时间内整个市场成交均价的算法交易策略。VWAP策略的主要功能是通过拆分订单降低市场冲击成本，越接近日内成交量分布结构的拆单策略所造成的冲击成本越小是VWAP策略研究者的共识。制定VWAP策略的核心问题是对成交量日内分布进行预测，能否更精准的预测日内成交量的分布结构直接关系到VWAP策略的执行结果。预测成交量的主流方式都是先进行分解，再分别预测，将成交量分解有两种模式，一种是用证券自身历史数据建模分解；另一种是利用证券所在的市场成交量因素进行分解。

目前，VWAP交易策略的改进主要在以下几个方面：

(1)基于均值-方差效用函数的VWAP算法交易模型，提出不同流动性条件下的最优交易策略；

(2)运用主成分分析法和因子模型分解成交量，采用ARMA模型和SETAR模型对特殊部分建模，提出动态调整的VWAP策略；

(3)运用历史均值分解成交量，并通过收益率的变动对特殊部分进行动态调整，提出基于收益率调整的VWAP-VAR策略；

(4)将市场内的交易信号与传统交易曲线相结合，构造出适应性VWAP策略，即利用函数对静态交易策略进行调整，当上一个时间段内的动态策略执行效果优于静态时，增大下一个时间段的执行量的权重；