Blog

Krypto-Korrelationen sind nicht konstant — in jedem Drawdown schießen sie in Richtung 1. DCC-GARCH modelliert eine zeitvariable Korrelationsmatrix und liefert Ihnen dynamische Hedge-Ratios für Pairs-Trading sowie ein ehrliches, zeitvariables Portfoliorisiko.

Einfaches GARCH(1,1) behandelt gute und schlechte Nachrichten gleich und unterstellt gaußsche Schocks. EGARCH, GJR-GARCH und Student-t/Skew-t-Innovationen beheben beides — und liefern ehrliche VaR- und Expected-Shortfall-Werte für Krypto.

Wie das GARCH(1,1)-Modell Volatilitätsclustering bei Krypto-Assets erfasst, wie man es per Maximum-Likelihood mit der arch-Bibliothek schätzt und wie man Prognosen der bedingten Varianz in Positionsgröße und dynamische Stops umsetzt.

Der Höhepunkt des Such-und-Overfit-Bogens, und er endet mit einem Negativergebnis — dem korrekten. Eine Einzelsymbol-Suche über zwei Zeitfenster auf ETHUSDT fand eine Konfiguration mit +16,35% out-of-sample und +2,62% auf einem unberührten Holdout; die Deflated Sharpe Ratio, die ~37.000 Trials berücksichtigt, deflationierte sie auf 0,00. Ein instrumentenübergreifender Durchlauf über fünf Majors (ETH/BTC/SOL/BNB/XRP, je ~1,18 Mio. 1m-Bars), ausgewählt nach dem Median out-of-sample, erledigt sie endgültig: Dual DSR 0,24 / PBO 0,264, Triple DSR 0,14 / PBO 0,327 — beide scheitern an den Gates. Der Champion ist auf 1 von 5 Symbolen profitabel und auf dem Rest negativ. Genau dafür ist der Anti-Overfit-Apparat da: um zu verhindern, dass man das Beste aus dem Rauschen als Alpha ausliefert.

Multi-Timeframe-Backtests lassen die Zukunft durch eine sich noch bildende Bar eines höheren Zeitrahmens durchsickern, deren endgültiger Schlusskurs noch gar nicht existiert. Man kann sich Vertrauen nicht durch Code-Review erarbeiten — man muss es testen. Wir reproduzieren die Closed-Bar-Regel des Live-Bots exakt und beweisen dann die Abwesenheit von Leckage mit einer Shifted-Future-Probe: Wir stören jede zukünftige Bar und weisen nach, dass jedes vergangene Signal und jeder vergangene Trade bitgenau unverändert bleibt. 25 von 25 Paritäts-Checks bestanden, und die Probe hat Biss.

Der Vorsprung der GPU vor der CPU wächst mit der Batch-Größe — von 54.5x bei einer Kombination pro Aufruf bis 359.6x bei 61 auf unserem Multi-Timeframe-Indikator-Precompute — weil ein kleiner Sweep den Kernel-Launch- und Transfer-Overhead nicht amortisieren kann. Wir zerlegen eine 167x-Schlagzeile in einen algorithmischen 27x-Gewinn, der auch der CPU hilft, und einen 6.2x-Hardware-Gewinn, zeigen, dass der wahre Vorsprung GPU vs. beste CPU nur 3.2x single-timeframe und 6.2x multi beträgt, und geben einen Entscheidungsleitfaden, wie breit ein Sweep sein muss, bevor sich der Kauf einer GPU lohnt.

Apples Metal-GPU kennt kein float64. Portiert man einen vektorisierten Backtest naiv darauf, läuft die verlockende Prefix-Sum-WMA in einen fp32-Overflow – maximaler relativer Fehler 211× – und trotzdem läuft sie durch und liefert plausibel aussehende Zahlen. Die Lösung ist nicht mehr Präzision, sondern eine andere Formulierung: eine direkte Fenster-Faltung, fp32-sicher bis auf 8×10⁻⁷ und 55,9× schneller als Single-Thread-Numba. Die Falle, die Arithmetik dahinter, und wie man beweist, dass man nicht hineingetappt ist.