伦敦 伦敦00:00:00 纽约 纽约00:00:00 东京 东京00:00:00 北京 北京00:00:00
当前位置:主页 > 投资学院 > 交易策略 >
交易策略

基于做市商模型下的最优算法交易策略与实证分析

  戴春锐;;浅析金融市场中的期权、期货及其衍生品的交易策略[J];时代金融;2017年12期

  周亚武;计及需求响应的售电企业优化交易策略研究[D];广东工业大学;2018年

  李岳男;沪深300股指期货程序化交易策略设计[D];沈阳工业大学;2019年

  王一多;张蜀林;;我国股票市场期权式交易策略研究[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集(上)[C];2013年

  陈维嘉 中信期货;浅析商品期权组合交易策略[N];期货日报;2017年

  ;研讨会二:境外衍生品应用与分析研讨会[A];创新·服务·提升——与企业共成长——2012第六届中国期货分析师论坛论文集[C];2012年

  陈实;基于平稳过程和技术分析的交易策略研究[D];华东师范大学;2017年

  记者 陈其珏;部分套保业务交易策略失当 联合石化去年亏损46.5亿元[N];上海证券报;2019年

  黄佐鈃;孙绍荣;;基金管理企业股票交易策略研究——以某基金管理企业为例的实证研究[J];中国证券期货;2012年08期

  宝城期货 程小勇;美债利率曲线陡峭化的交易策略[N];期货日报;2018年

  刘峰;蔡志杰;乐斌;;基于市场资金流向分析的商品期货量化交易策略[J];数学建模及其应用;2017年03期

  王春丽;王佩帆;;基于相对价差的股票配对交易策略优化[J];东北财经大学学报;2017年04期

  Maxim Pecionchin;[D];对外经济贸易大学;2016年

  王劲松;王其文;;过度反应还是反应不足? 基于股指模拟交易的中外股市信息反应模式研究[A];第四届(2009)中国管理学年会——金融分会场论文集[C];2009年

  刘震宇;沪深300指数成分股间的配对交易策略设计[D];上海师范大学;2019年

  岳艳涛;章雅婷;张宇;邓晓衡;;基于大数据分析的橡胶期货交易策略研究[A];2015年(第四届)全国大学生统计建模大赛论文[C];2015年

  付兰多;斯里兰卡股市新兴的盈利技术交易策略的市场效率和适用性[D];华中师范大学;2012年

  林文修;蔡秉洲;;集成基因表达规划法应用于动态股票交易策略探勘之研究[A];第十七届中国管理科学学术年会论文集[C];2015年

  证券时报记者 陈冬生 实习记者 王璐璐;前11月期货市场成交量超去年全年[N];证券时报;2016年

  孙林科;沪铜期货价格预测及量化交易策略实证研究[D];福建师范大学;2018年

  葛永波;张萌萌;;QFII与我国开放式基金交易策略的比较分析[J];上海金融学院学报;2009年02期

  李正伟;基于做市商模型下的最优算法交易策略与实证分析[D];山东大学;2019年

  王明日;刘善存;;限价指令交易策略的收益水平研究[A];第八届中国管理科学学术年会论文集[C];2006年

  朱茵烨;A股市场惯性效应及择时交易策略的研究[D];吉林大学;2019年

  韩飞 盛佳峰 信达期货;螺纹钢、铁矿石比值交易策略的应用分析[N];期货日报;2017年

  陈松男;;期权投资交易策略:随盘势调整和风控[A];创新·服务·提升——与企业共成长——2012第六届中国期货分析师论坛论文集[C];2012年

  郭超;;改进的海龟交易策略及其实证分析[J];时代金融;2017年21期

  南华期货 严兰兰;白糖期货宜采取波段交易策略[N];中国证券报;2019年

  俞枫;梅继雄;;程序化交易的发展趋势浅析及规范建议[A];创新与发展:中国证券业2015年论文集[C];2015年

  燕汝贞;基于隐性交易成本的算法交易策略研究[D];电子科技大学;2014年

  深圳商报记者 赵根云;小心股市“牛人”陷阱[N];2016年深圳商报;

  魏超然;我国可转债定价及交易策略实证研究[D];对外经济贸易大学;2017年

  王宝森;股票指数期货交易策略及风险管理研究[D];天津大学;2004年

  李震巍;基于跳回归的股票配对交易策略的设计[D];上海师范大学;2019年

  随着金融市场的成熟化发展,电子交易系统和通信技术的快速发展,人工下单的交易方式逐渐被程序化交易替代。广大投资者之所以信赖程序化交易,是因为其能够提供迅速的计算效率和较为精准的计算结果。而随着投资者对风险关注程度的提高,以及风险分散理念不断的发展,程序化交易的地位变得越来越重要,它已经逐步发展成为市场中不可或缺的组成部分。算法交易是程序化交易的一个较为重要的组成部分,它是指在无人工干涉的情况下,事先设定好交易策略来引导订单的交易时机、价格和数量,并根据行情的变化自动调控指令。算法交易当前发展为投资者经常使用的方法之一,主要特点是能够快速有效地降低交易成本,控制市场冲击成本以及隐藏交易意图,并提高订单实行效率。在证券市场上机构投资者在进行大额订单的证券交易时,由于证券流动性有限,投资者一次成交的话会产生巨大的冲击成本,使得证券价格向不利方向变动,而如果将大额订单分割得非常小,不仅会增加相应的交易时间,而且会导致价格波动的可能性变得更大。正是基于这一问题,本文提出了基于做市商模型下的最优算法交易策略。在算法的具体实施过程中,在传统的算法交易基础上进行了一定的创新:将高频交易与算法交易相结合,提出在高频交易做市策略的模型框架下只考虑限价卖单和市价卖单的情况。在最大化财富的目标下,设定目标值函数,利用动态规划原理推出拟变分不等式,并通过有限差分法进行求解。根据策略求解的结果对交易中每个时间点不同存货、不同深度和不同价差情况的下单策略A=(αmafke,αtafke)进行引导,其中随机控制αmake引导限价单、脉冲控制αtake引导市价单,最终给出最优算法交易策略。根据构建的最优算法交易策略,利用2018年三个不同市场中活跃品种的高频数据,进行了算法的实证分析。在完成大额订单交易的基础上根据交易日结束时财富值的比较,证实了提出的基于做市商模型下的最优算法交易策略能够提高订单实行的效率,降低市场的冲击成本,比VWAP、TWAP等常见的算法交易策略更有效。

  蔡婷婷 武夏青;再议期权“到期日”交易策略[N];期货日报;2016年

  燕汝贞;李平;曾勇;;一种面向高频交易的算法交易策略[J];管理科学学报;2014年03期

  刘广伟;杨召举;邓海涛;;期权垂直价差交易策略的盈亏界定[J];北京市财贸管理干部学院学报;2007年02期

  燕汝贞;李平;曾勇;;基于市场冲击成本与机会成本的算法交易策略[J];管理学报;2012年07期

  曾伟;陈平;;波动率微笑、相对偏差和交易策略——基于非线性生灭过程的股价波动一般扩散模型[A];经济学(季刊)第7卷第4期[C];2008年

  中航证券首席经济学家 许维鸿;央行隐形加息背后的逻辑[N];中国证券报;2017年

  黄伟;基于隐性交易成本的期货市场交易策略研究[D];上海交通大学;2009年

  范希文;;金融市场不确定性中的确定[A];《IMI研究动态》2018年第一季度合辑[C];2018年

  丁涛;;配对交易策略在A股市场的应用与改进[J];中国商贸;2013年05期

  陈道华;基于O-U模型的程序化交易策略应用研究[D];安徽大学;2019年


点击次数:  更新时间:2020-03-16 10:41   【打印此页】  【关闭
XML 地图 | Sitemap 地图