基于AI的增强型日内成交量比率概率预测在美股市场中的表现优于现有的基准

“IVE: Enhanced Probabilistic Forecasting of Intraday Volume Ratio with Transformers”

论文地址：https://arxiv.org/pdf/2411.10956

摘要

本文介绍了一种创新的金融市场成交量比预测技术，特别适用于VWAP（成交量加权平均价格）策略的执行。研究中采用了Transformer模型来预测每分钟级别的日内成交量比例，并通过对数正态变换处理以稳定高波动性的数据。为了增强预测精度，输入的数据集涵盖了成交量统计特征、外部与成交量有关的因素、绝对时间标记以及个股属性。

该模型架构基于编码器-解码器类型的Transformer，并配置了分布头以实现贪婪采样，旨在优化对高流动性股票的预测效果。此外，模型引入了概率性预测机制，用以估计成交量比的期望值和离散程度，从而能够提前识别出重要的日内成交量高峰。在韩国市场使用简化交易逻辑作为代理进行的实际测试表明，相较于传统的VWAP基准，此方法在两个半月的时间段内表现出更佳的性能。研究表明，基于Transformer的概率预测模型在成交量比预测方面展现出了潜力，为后续的研究开辟了新的路径。

简介

本研究开发了一种基于Transformer架构的模型，用于分钟级别的成交量比率预测，以增强VWAP策略的执行准确度。通过对数正态变换的应用，该模型解决了传统方法在预测高波动性成交量比率时遇到的问题。通过整合一个广泛的数据集——包含外部成交量相关特征、时间信息和个股特性——来提升预测的精确性。此外，模型采用了概率预测技术，可以评估成交量比率的平均值和标准差，从而更好地应对市场变化。在韩国市场的实盘交易测试中，此模型的表现超过了VWAP基准，证明了其实际应用的价值。

01   背景

最佳执行和VWAP

在金融交易中，最优执行策略对于减少交易成本至关重要，这通常依赖于交易者的经验直觉或是通