摘要：为了更准确地估计知情交易概率水平(PIN),文章主要使用模拟退火算法并结合交易量时间概念对知情交易模型进行参数估计.算法改进后的知情交易模型已可适用于较高频的交易订单数据,从而更好地捕捉微观市场中PIN的变化.参数估计方面,文章主要使用模拟退火算法对EKOP-PIN、EHO-PIN以及DY-PIN进行带约束的最大似然估计,并将结果与无约束优化的间接估计算法进行了比较,基本解决了以往算法存在的局部最优和数值溢出等问题.数值模拟显示,使用模拟退火算法并运用模式搜索法进行末端优化的混合算法在计算PIN时能够进一步提高估计精度.使用沪深300股指期货高频交易数据的实证结果显示,重新估计的EHO-PIN对波动率有着较高的解释和预测能力,可作为一种有效的市场波动率预警指标.