算法交易这一新型的交易技术手段,正随着计算机技术的发展与革新而日益壮大。现如今,对于各类算法的探索、使用、研究和开发正吸引着越来越多的各金融领域的人才。而VWAP作为应用最为广泛最为基本的交易策略得到了更多的关注。VWAP策略的核心是通过按照市场成交量的分布,将股票交易规模较大的订单(母单)拆分为规模较小的订单(子单),以达到降低对市场的冲击和减少执行成本的目的。因此该策略实施最为重要的环节是对日内成交量分布的预测,它的准确与否直接对策略的执行效果起着决定性的作用。也因此决定着准确预测日内成交量的分布状况是改进VWAP算法中至关重要的所在。然而,在前人以往的研究文献中,绝大部分是利用简单的历史平均法对成交量进行预测。市场中现有的VWAP算法大多数也是静态的历史VWAP方法,而且研究所使用的样本数据受限于数据的科技的发展程度,因此主要以低频数据为主,这在一定程度上影响着策略的执行效率。随着信息技术的发展,高频数据的获得已非难事,研究者们也因此越来越关注如何利用高频数据研究更为准确的VWAP算法。本文以历史VWAP方法为基础,以优化和改进历史的VWAP策略为研究目标,利用市场上可以获得的即时成交量信息对历史VWAP方法进行动态调整,追踪每一笔交易中VWAP策略的交易量占比和市场真实交易量占比之间的差异,并将此差异作为评价策略优劣的参照。利用证券市场上可获得的高频数据进行实证研究,对于资金规模较大的机构投资者而言,具有一定程度的参考价值。