摘要：為了更準確地估計知情交易概率水平(PIN),文章主要使用模擬退火算法并結合交易量時間概念對知情交易模型進行參數估計.算法改進后的知情交易模型已可適用于較高頻的交易訂單數據,從而更好地捕捉微觀市場中PIN的變化.參數估計方面,文章主要使用模擬退火算法對EKOP-PIN、EHO-PIN以及DY-PIN進行帶約束的最大似然估計,并將結果與無約束優(yōu)化的間接估計算法進行了比較,基本解決了以往算法存在的局部最優(yōu)和數值溢出等問題.數值模擬顯示,使用模擬退火算法并運用模式搜索法進行末端優(yōu)化的混合算法在計算PIN時能夠進一步提高估計精度.使用滬深300股指期貨高頻交易數據的實證結果顯示,重新估計的EHO-PIN對波動率有著較高的解釋和預測能力,可作為一種有效的市場波動率預警指標.