| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景与问题的提出 | 第7-13页 |
| 1.1.1 交易量日内分布特征 | 第8-9页 |
| 1.1.2 计算实验金融方法 | 第9-11页 |
| 1.1.3 VWAP算法 | 第11-13页 |
| 1.2 研究内容与论文结构 | 第13-14页 |
| 第二章 文献综述 | 第14-23页 |
| 2.1 交易量研究综述 | 第14-19页 |
| 2.1.1 国外研究综述 | 第14-17页 |
| 2.1.2 国内研究综述 | 第17-19页 |
| 2.2 计算实验金融研究综述 | 第19-21页 |
| 2.3 订单拆分策略模型研究综述 | 第21-23页 |
| 第三章 交易量日内分布的实证研究与仿真模拟 | 第23-36页 |
| 3.1 交易量日内分布特征的实证研究 | 第23-30页 |
| 3.1.1 数据选择与描述性统计 | 第23-25页 |
| 3.1.2 数据分析 | 第25-30页 |
| 3.2 U型分布的人工股市仿真模拟 | 第30-36页 |
| 3.2.1 模拟过程 | 第31-32页 |
| 3.2.2 Agent决策过程 | 第32-34页 |
| 3.2.3 模拟结果及分析 | 第34-36页 |
| 第四章 基于交易时机的学习机制探究改进VWAP策略对股票收益率的影响 | 第36-46页 |
| 4.1 标准VWAP策略原理 | 第37-40页 |
| 4.2 利用日内交易量的信息学习模式改进 VWAP 算法 | 第40-46页 |
| 4.2.1 基于加权移动平均方法的交易量分布预测模型 | 第40-41页 |
| 4.2.2 改进VWAP策略 | 第41-46页 |
| 第五章 总结 | 第46-49页 |
| 5.1 本文主要结论 | 第46-47页 |
| 5.2 本文创新点 | 第47页 |
| 5.3 进一步研究方向 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 参加科研情况说明 | 第53-54页 |
| 致谢 | 第54-55页 |
