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.
GARCH(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.
Asymmetrisches 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.
DCC-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.
Volatility 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.
