程序化交易是现代科技进步、计算机改变人类生活的产物。算法交易是为程序化交易的重要子集,其中又以VWAP算法为应用最广泛、最成熟的算法之一。VWAP的核心思想是将大额订单拆分为多份小额订单,并在设定的时间段内分别下单以减少大单对市场的冲击成本,因此对于交易量的预测准确是算法交易是否能够成功的重中之重。本文将围绕着这一核心,提出以迭代为主要方法的适应性改进模型,用于预测市场交易量分布情况。本文首先就算法交易相关历史与文献进行了回顾。该部分为绪论、文献综述和相关理论和研究方法。内容上主要回顾了算法交易的起源、发展以及在国内外市场内的应用现状,肯定了研究算法交易的现实意义,以及与交易量相关的重要文献以及算法交易领域的经典文献。而后文章通过数学建模对传统的交易量分布预测方法进行改进,文章在静态算法的基础上建立数学模型,并规定了市场信息的度量法则,将市场信息嵌入数学模型之中,运用迭代方法对历史算数平均法作出了调整。模型的核心因子是市场信息获取范围的大小和模型对信息的调整程度。建模完成之后,本文通过实证检验探究模型的有效性及其特征,该部分主要分为三个子部分。第一个子部分检验了文章规定的两种信号的预测准确度,以及不同信号之下的VWAP执行结果改进程度,结果显示两种信号下,改进模型均优于传统算法；第二个子部分就市场信息获取范围和模型对信息的调整程度进行了敏感度分析,得到A股股票相对信息调整因子更加敏感,而对市场信息获取程度相对低敏的结果;第三个子部分将标的按照自由流通市值大小分为四个组别,在每个组别中重复试验,以验证文章模型在不同市值之下是否具有改良鲁棒性,得到的结果是,四组中有三组显著优于传统算法。最后就文章总结和未来进一步研究方向探讨。文章的大部分结果均呈正面,但仍留有部分问题尚待未来进一步讨论。