Execution & Market Making
From TWAP/VWAP and Almgren-Chriss to TCA, slippage models, and the Avellaneda-Stoikov market maker — how to turn a signal into fills without paying the spread twice.
- 01
Jul 15, 2026 #executionTWAP vs VWAP vs POV: memilih benchmark eksekusi (dan mengetahui kapan masing-masing membohongi Anda)
TWAP, VWAP dan POV adalah taruhan pada prakiraan volume. Kami membedah asumsi tersembunyi setiap scheduler, membangun kurva volume intraday crypto, dan mengadu ketiganya secara head-to-head pada data L2 yang diputar ulang.
- 02
Jul 14, 2026 #eksekusiAlmgren-Chriss Tanpa Basa-Basi: Eksekusi Optimal yang Bisa Anda Implementasikan dalam Satu Sore
Derivasi lengkap model eksekusi optimal Almgren-Chriss: dampak linier, trajektori sinh/cosh, efficient frontier, dan kode Python siap pakai untuk mengkalibrasi eta, gamma, dan sigma dari data order book L2 dan trade Binance.
- 03
Jul 24, 2026 #eksekusiDi dalam slice: taktik child order antara scheduler dan exchange
Almgren-Chriss dan VWAP hanya menetapkan budget slice — eksekusi dimenangkan di lapisan taktik. Timer eskalasi, matematika break-even maker-taker, semantik queue amend vs cancel-replace di Binance/OKX/CME, anti-signaling iceberg, dan state machine Python per-slice.
- 04
Jul 22, 2026 #eksekusiSmart Order Routing di Crypto: Satu Order, Dua Belas Venue, Tanpa NBBO
Mengapa SOR crypto lebih sulit daripada routing di ekuitas: tidak ada consolidated tape, phantom liquidity, modal yang harus di-prefund. Optimasi routing konveks lengkap dengan matematika dan Python, taktik maker-aware, dan tabel liga markout per venue dari TCA milikmu sendiri.
- 05
Jul 21, 2026 #maker takerKeputusan maker-taker: tingkatan biaya, rebate, dan biaya sebenarnya dari melintasi spread
Maker vs taker adalah trade adverse selection yang mengenakan kedok jadwal biaya. Matematika titik impas via Glosten-Milgrom, tingkatan biaya kripto nyata dan diskon token, sejarah rebate mining, nilai rebate yang bergantung pada antrean, dan pemodelan biaya bertingkat dalam backtest.
- 06
Jul 23, 2026 #slippageKurva slippage, bukan konstanta slippage: model biaya yang bertahan saat bersentuhan dengan live trading
Ganti slippage konstan-bps dengan kurva biaya yang bergantung pada ukuran order, volatilitas, dan likuiditas: hukum akar-kuadrat, fitting kurva dari fill TCA atau data publik, pengali stres regime, dan mengapa leaderboard strategi Anda akan tersusun ulang.
- 07
Jul 16, 2026 #simulasi fillSimulasi fill: tangga dari fantasi harga close menuju realita yang sadar antrean
Lima anak tangga fidelitas simulasi fill — dari fill harga close hingga model posisi antrean probabilistik. Partial fill sebagai state machine, batas probabilitas fill limit order sebagai bracket PnL, dan loop kalibrasi terhadap fill live.
- 08
Jul 20, 2026 #executionImplementation shortfall dan TCA DIY: mengukur berapa sebenarnya biaya eksekusi Anda
Implementation shortfall dari Perold diubah menjadi pipeline TCA yang bekerja untuk bot crypto: dekomposisi arrival-price, kurva markout pada t+1s/10s/60s, ~200 baris Python di atas fill Anda sendiri, dan memasukkan hasilnya kembali ke model biaya backtest Anda.
- 09
May 17, 2025 #market makingMembangun Algoritma Market Making untuk Pasangan Kripto Menggunakan Model Avellaneda-Stoikov
Panduan langkah demi langkah untuk membangun algoritma market making untuk pasangan USD+/wETH dan USD+/cbbtc menggunakan model Avellaneda-Stoikov dan PPO. Fitur perdagangan onchain, manajemen inventaris, pelatihan RL.
- 10
Aug 13, 2026 #microstructureUpdating the Volume Curve Intraday: Does Adaptive Forecasting Actually Help?
Our VWAP article shipped a static, weekly-refit volume curve and called the forecaster the weakest link. This is the follow-up: a Bayesian intraday updater run against the same 500-parent BTCUSDT harness, with the IS delta conditioned on realized curve error.
- 11
Mar 18, 2026 #algotradingPnL berdasarkan Waktu Aktif: Metrik yang Mengubah Peringkat Strategi
Mengapa PnL tahunan mentah adalah metrik yang buruk untuk membandingkan strategi dengan waktu trading yang berbeda. Cara menghitung return efektif, mengapa Anda membutuhkan fill_efficiency, dan mengapa strategi dengan PnL 27% bisa mengungguli yang 300%.