公众号致力于分享量化策略，培训视频，Python，程序化交易等相关内容如果你喜欢本文，麻烦分享与关注一下公众号非常感谢！

『正文』

ˇ

一、成交量加权平均价（VWAP算法）

  算法交易其实主要是用在基金公司、券商量化比较多。例如我已经选好股，要大量买入，但是单凭交易员的操作海量单而且要完成买入100万股这些的操作是有点的困难的。那么这时候怎样解决拆单，防止冲击成本的问题呢？只有依靠算法交易了，现在市面上的流行算法交易有两种，第一种是VWAP，一种是TWAP。但是每种算法交易也有它的坏处，就是很容给人看出操作手法（如果策略比较简单的情况下），所以这种需要不断优化。

    VWAP是Volume Weighted Average Price 的缩写，译为成交量加权平均价。VWAP策略即是一种拆分大额委托单，在约定时间段内分批执行，以期使得最终买入或卖出成交均价尽量接近该段时间内整个市场成交均价的算法交易策略。

    VWAP策略的内容。VWAP策略包含宏观和微观两个层面的内容。宏观层面要解决如何拆分大额委托单的问题，需要投资者对股票的日内成交量做出预测，我们建议按两分钟的时间长度来拆分订单。微观层面要确定是用限价单还是市价单来发出交易指令，考虑到VWAP是一种被动跟踪市场均价的策略，我们建议采用市价委托方式，一方面有利于控制最终成交均价与市场均价之间的偏差，另一方面也可以提高委托成交的效率，避免限价单长时间挂单不能成交的风险。
 
  按照传统的VWAP策略，只是一种被动型的策略，而且在这个策略当中，最重要有以下的因素：历史成交量，未来的成交量预测、市场动态总成交量，拆单的时间段（就是总共要将总单拆分成多少单分别以怎样的时间频率交易）

二、宏观拆单VWAP

  假设投资者要在2011年10月10日当天以市场均价买入某只股票100万股，宏观策略可以告诉投资者如何拆分这100万股的委托单，在当天什么时间下多少单。市场通行的做法是采取等时长下单，例如，每5分钟下一笔单，这样原来的100万股委托单将被拆分成笔小额委托单，分时执行。

  其中V为拆分前委托单的总量。很显然，当时，上式取最小值0，也就是说如果投资者能够准确预测市场每个时间段的成交量占当日成交量的比例，那么投资者按这个比例拆分委托单，分时成交，那么最后总的成交均价将于市场成交均价相当。因此，拆单策略的一个关键在于对日内成交量的预测。

  但是这种方法的一个缺陷是，根据历史交易来预测未来的预测交易量。所以他们对VWAP预测成交量比例有了一个动态的改进，就是利用动态的成交量来做一个预测。例如说，根据前两分钟的成交量来预测未来两分钟的成交量。
  这种策略有效降低成交成本。在检测VWAP策略是否有效的时候，他们引入了一个指标。绝对值平均值偏差，

     除个别股票外，VWAP-D与市场均价的偏差都小于VWAP-B，这主要得益于其对日内成交量预测的实时动态调整。另外，股票市值越大，其股价与成交量的波动性也就越小，VWAP策略执行的效果也就越好，与市场均价的偏差也就越小。总体上来看，大盘股要好于中盘股，中盘股要好于小盘股，但之间的差距并不明显，这主要是由于我们的验证过程目前还未涉及资金量大小，如果考虑到资金的冲击成本，大盘股与小盘股之间的这种差距将会拉大、                   对于一个策略来说，MAPE越小，策略效果越好，越大，卖出价格越高。当然VWAP也可以设计成为主动策略而非被动。

文献来源：https://www.cnblogs.com/anxbb/p/8941514.html

开发思路  

  以上是SF19策略开发的参考文献，感谢原作者提供的思路和计算公式，从上文我们知道VWAP的使用分别是微观与宏观俩个层面，本期我们以微观层面的算法来帮助我们实现策略，也就是以下这个公式来计算：

  成交量加权均价，上述公式即 N周期内每笔成交量*每笔成交价格的乘积之和/N周期内成交量之和。

       简单算术平均线(MA)，指数移动平均值(EMA)，加权算术移动平均线(SMA),这些均线的计算方式各有不同，也有不同的平滑效果，但都只是价格和时间的二维构成，本质上并无区别。成交量加权均价(VWAP）就不一样了，它把计算成本价最重要的因子成交量考虑进来，得到的成本价格相对于其他均线更具有说服力。

策略构建:

  1.VWAP(成交量加权均价)的代码实现；

    2.计算长短周期的VWAP成本价格；

    3.计算阶段性轨道线；

    4.加入止盈止损；

图文解读

1.同参数不同均线计算比较；

VWAP线(5,15)

MA均线(5,15)

结论：在同参数(5日，15日)的条件下，MA均线明显迟钝与VWAP的反应。

2.Alpha均线增强(同参数)

结论：

  这是MA双均线与VWAP双均线在RB上的表现，交叉的次数是相等的，意味趋势也好震荡也好，它们都产生了交叉信号，且信号数量一样。但是VWAP均线明显要比MA均线组更加提前，也就是说交叉进场的时机和价格相较于MA更有优势，这样一来所获得的绩效要比MA均线的要好，也就是常说的alpha增强效果，有兴趣的小伙伴可以写一个股票策略试试看，也许有意想不到的额外收益。

3.缺陷改进

结论：

  无论你采取怎样的均线计算方式都逃脱不了均线在震荡行情的频繁交叉，这是均线策略的宿命。想要改进，必须跳出均线本身采用其他的方式。SF19策略采用阶段性轨道线来进行过滤震荡的部分信号。当然过滤方法有很多种，本文的重点是VWAP，你有兴趣可以换其他方式过滤。

策略绩效

螺纹

焦炭

铁矿

白糖

沪铝

PP

棕榈

动力煤

其他平台测试：

文华：

金字塔：

提供多平台源码：

风险提示：

    策略仅用于学习交流，松鼠宽客既不享受您的收益，也不承担您的风险。想要实盘请自行修改后谨慎使用，后果自负！

结语：

   SF19策略通过对VWAP算法的使用，发现对于普通均线来讲有一定的优势，相较于普通均线存在增强效果。如果你也在用均线作为策略交易的一部分，不妨试试VWAP算法。但是均线策略存在普遍的震荡频繁交叉的缺点，这是均线策略先天缺陷，所以策略里采用了轨道线过滤。想要实盘的话，需要你自己的智慧去修改和升级，祝您成功。码字不易，各位看官麻烦在文章末尾右侧点击在看和赞，谢谢了。

End

----------------往期精彩内容----------------

量化视频专辑：

视频 |【日内模型】基于orderflow的盘口策略开发帖

量化研究专栏：

量化研究 | 策略在指数与主连复权的差异化分析（一）

量化研究 | 策略在指数与主连复权的差异化分析（二）

量化研究 | 策略在指数与主连复权的差异化分析（三）

【SF18】| MACD顶底背离+动态区间交易模型源码(技术贴)

【SF17】 | 均线波动差构建交易策略

【SF16】 | "凹凸"均线形态交易策略源码(技术帖)

【SF15】 | 波峰波谷交易策略结合ER降噪过滤

【SF12】| 全新波动率算法，自适应区间+波动率择时！

【SF11】| 成交量来确定阻力支撑点，基于Volume Profile构建交易策略

【SF10】| 如何构建一个胜率超过60%的短线螺纹策略(开发教程)；

祝点击在看的小伙伴，2020发大财