股票日内交易量囊括了交易过程中的大量信息:不仅反映了股票受投资者的关注程度,而且也是推动股价上涨的原动力。本文利用日内高频交易量数据验证股票交易量的U型分布形态,并采用计算实验金融的方法从理论上分析日内交易量U型分布的原因;最后,基于以上实证结果,改进VWAP(交易量加权平均价格)策略,以提高股票收益率。本文借鉴已有的实证方法,利用现有的数据和方法,对中国A股市场中交易量的日内分布特征进行了研究。结果发现,中国上海证券交易所A股5分钟交易量日内特征呈现典型的U型分布:开盘和收盘的交易量相对于中间交易阶段显著增大;对A股市场的个股研究结果亦如此。此外,午间休盘亦会造成交易量一定程度的增加。我们认为这种现象与隔夜信息的吸收、消化与释放直接相关,是无交易阶段中积累信息的释放和积蓄的交易需求集中释放的结果。为验证以上猜想,在此基础上使用VWAP策略对大中小盘股票收益进行检验,本文结合中国A股市场的交易机制,设置交易规则、学习参数建立能够模拟投资者交易行为的的人工股票市场,并在此基础上,通过设置交易行为的衡量标准及交易的收益指标,对交易分布与市场收益率的关系进行了仿真研究。结果表明,非知情交易者能够通过学习交易时机以实现他们行动的集中/协调性,且高度的集中/协调性将增加非知情交易者的盈利机会。基于以上结论,本文将其应用于交易量加权平均价格(VWAP)策略的改进中;利用上交所的大盘股、中盘股和小盘股股票对改进VWAP策略依次进行检验,并与标准VWAP策略对比,肯定了改进策略的优势:根据交易决策点前的交易信息,调整VWAP策略,有利于降低交易成本,甚至战胜市场均价。