基于在线时间序列搜索的算法交易策略研究

Algorithmic trading is playing an important part in the securities market, rencently. And the study on trading strategy is very hot at home and abroad. We will study this problem from the view of online time series search in this project. We will first analyze the feature of the securities market and the behavioral characteristics of the investors, and carry out the online time series search models according to the features. Trading strategies, which will be investigated from the aspect of competitive ratio, will be presented by the online theory. A software of algorithmic trading will also be exploited in order to applying the strategies in the market. This study will enrich the theory of online time series search and present algorithmic trading strategies for the investors in the securities market.

算法交易已成为证券市场上的重要交易方式，算法交易的策略设计是国内外一个热点的研究问题。项目运用在线时间序列搜索模型，对算法交易策略展开深入研究。项目首先分析、概括证券市场的特征以及投资者的投资行为特征，并构建在线时间序列搜索模型；然后，运用在线理论构造算法交易策略，并采用竞争比分析法讨论交易策略的性质；最后，设计软件系统，并将交易策略运用到证券市场上，以检验交易策略的执行效果。项目的研究在理论上丰富了在线时间序列搜索模型的研究，并在证券市场上有着重要的应用。

算法交易是指预先设计好交易策略，然后将其编制成计算机程序，在无人干预的情况下利用计算机程序的算法来决定交易下单的时机、价格和数量等的交易方式，目前在国外的证券市场上占很大比重，算法交易在我国也不断受到越来越多的重视。. 本项目对在线时间序列模型和算法交易策略设计两方面分别展开了研究。在线时间序列搜索模型方面，项目组提出并研究了在线（J，K）搜索模型、两阶段在线k搜索模型、受限制的多重在线时间序列搜索模型，并均给出了最优的在线策略，为将来设计算法交易策略提供了重要理论依据；在算法交易策略设计方面，项目组为“大股东”们设计了基于动态交易量预测的VWAP算法交易策略，为中小投资者设计了基于El-Yaniv等的online one way trading和Cover的Universal Portfolio的算法交易策略与基于KDJ指标和在线k-search模型的算法交易策略，并均用真实数据验证了其有效性，为投资者们提供了切实的投资指导。