随着算法交易在金融领域的快速发展和广泛运用,对于交易算法的研究也日益活跃,而作为运用最为广泛的VWAP(交易量加权平均价格)算法交易策略也就成为了研究的热点之一。在VWAP交易策略中,关键的问题在于对交易量分布的预测,预测的准确性直接关系到交易策略的有效性。在历史的VWAP交易策略中,是运用静态的方法,通过历史数据来进行交易量分布的预测,其中并没有将市场的实时信息反映到预测过程中去。本文则通过将股票的实时价格信息引入到交易量分布的预测中去,实现了对交易量分布的动态预测。根据单日内股票交易量通常成“U”型分布的特征,本文首先运用时间序列因素分解的方法,将交易量的历史数据分解成周期因素、趋势因素和波动因素,然后再分别对这些分解出的因素进行预测得到各因素的预测值,进而再将各因素的预测值进行组合得到交易量的预测值,最后再通过引入股票的实时价格信息,对交易量的预测值进行动态的调整,得到最终的交易量预测值。通过数值实验,本文的预测方法比历史的静态预测方法得到的交易量的分布更加接近于市场实际的交易量的分布,证实了本文预测方法的准确性。在交易量分布预测的基础上,本文设计了基于动态预测的VWAP算法交易策略。通过数值实验,本文策略获得的VWAP价格较历史策略获得的VWAP价格更接近于市场实际的VWAP价格；通过在交易相同股票数量的条件下对本文策略获得的VWAP价格与历史策略获得的VWAP价格的差值进行比较,得到了本文交易策略获得的收益高于历史交易策略收益的结果,证实了本文交易策略的有效性。