基于非对称效应ACD模型和分时VWAP算法对A股市场算法交易的量化分析研究

目前算法交易在国际证券市场上已经成为最重要的交易方式之一,我国A股市场的算法交易尚处于起步阶段,但考虑到A股市场目前的实际情况和股指期货的推出,对于算法交易的需求日趋明显.基于此利用高频数据处理方法提出了一种适合A股市场交易规则的交易算法,首先提出一种考虑非对称效应的ACD模型来选择交易时点,然后利用一种分时的VWAP算法来决定委托量,最后利用股票价格波动预测来修正交易量和委托价格.基于A股股票的实证研究表明这种交易策略不但能获得高于市场均价的价格,同时也优于常规的算法交易算法.

自适应特征尺度分解方法及其应用

针对局部特征尺度分解(LCD)存在的模态混叠问题和其在均值曲线定义方面存在的不足,在对LCD方法研究的基础上,充分借鉴经验模态分解(EMD)和LCD等此类基于筛分的信号分解方法的思路,定义了一种新的瞬时频率具有物理意义的单分量信号——内禀致密尺度分量(ICC),并提出了一种新的自适应信号分解方法——自适应特征尺度分解(ACD)方法。同时,给出了ICC分量评价准则,通过对ACD每阶筛分中由不同均值曲线和致密系数取值得到的一组不同的分解分量进行对比,选取最优分量作为该阶筛分的ICC分量,从而保障最终分解效果优于LCD方法分解效果。对仿真信号的分析结果证实了ACD方法的分解效果优于EMD、LCD、总体平均经验模态分解(EEMD)和自主致密局部特征尺度分解(ACLCD)方法的分解效果;对实验数据的分析结果验证了ACD的有效性,从而为旋转机械故障诊断提供了一种新的方法。

基于模糊形变模型的3D表面自适应重建

结合模糊技术、形变模型和ACD方法提出了基于模糊形变模型的3D表面自适应重建方法．在模糊分割的基础上，引入了模型的模糊外力，在该模糊外力作用下模型能逼近任意复杂的物体表面；利用ACD方法使模型自适应地改变其拓扑结构；为了提高表面重建的速度和鲁棒性，提出多尺度重建算法．实验结果表明该方法的有效性．