Volatility Modeling & Regimes
Forecast volatility with the GARCH family — asymmetry and leverage effects, dynamic correlations, vol targeting — then detect market regimes with HMMs and trade adaptively.
- 01
Jul 10, 2026 #volatilityGARCH(1,1): Prognose der Krypto-Volatilität
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.
- 02
Jul 11, 2026 #volatilityAsymmetrisches und heavy-tailed GARCH: EGARCH, GJR und Student-t
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.
- 03
Jul 12, 2026 #volatilityDCC-GARCH: Dynamische Korrelationen für Paare und Portfoliorisiko
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.
- 04
Jul 13, 2026 #volatilityVolatility Targeting und Trading mit GARCH-Prognosen
Eine GARCH-Volatilitätsprognose ist nur dann etwas wert, wenn sie eine Handelsentscheidung verbessert. Wir bauen eine volatilitätsgezielte Krypto-Strategie, bewerten die Prognosequalität ehrlich und vergleichen GARCH gegen Realized-Vol- und EWMA-Baselines in einem Walk-Forward-Backtest.
- 05
Mar 21, 2026 #hmmHidden Markov Models in Trading: How to Adapt Your Strategy to Market Regimes
How to identify the current market regime (bull, bear, sideways) using Hidden Markov Models and automatically switch trading strategies. With Python code and backtests.