伴随着算法交易的兴起和发展,对于各种算法的研究成为金融学研究的热点内容之一,而VWAP作为应用最为广泛的算法也得到了更多的关注。在证券交易中,如何减少VWAP执行成本,减少市场冲击都是极为重要的。VWAP的核心因素之一为股票成交量,成交量预测的准确度对于VWAP算法的执行有着重要的意义,然而以往研究文献中对于成交量的预测大多停留于经典的历史平均法,且研究的样本数据多为低频数据。随着信息技术的发展,高频数据越来越容易获得,研究者们越来越关注于如何利用高频数据更准确的研究证券市场的相关特性。基于高频交易数据研究VWAP算法为本文的核心内容。本文利用主成分分析方法基于日内高频采样数据对中国证券市场成交量进行动态分解建模,对日内成交量进行预测,然后应用VWAP算法策略,分别从样本内检验、样本外检验、投资组合检验三个角度对VWAP算法执行成本进行探讨,做了较为全面的实证研究,以期为完善我国股票市场提供一些参考。本文主要分为三大部分:第一部分包括第1章和第2章。第1章绪论,主要介绍论文的研究背景和意义,并对国内外的研究现状作了简单的介绍。第2章基础理论回顾,主要回顾了成交量和套利相关理论,以及算法交易和VWAP算法介绍,并具体介绍了主成分分析方法。第二部分也即是本论文的主体,包括第3、4章。第3章利用主成分分析方法对日内成交量的高频数据进行分解,得到共同部分和特殊部分两个部分,并实证检验了两部分的意义;第4章在之前基础上动态建模日内成交量,对成交量进行预测,并且应用VWAP算法策略,进行算法执行成本比较。第三部分也即是本文的最后一章,对所做工作进行了总结和展望。