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 
02 
03 
04 
05 
GARCH(1,1)によるクリプトのボラティリティ予測
GARCH(1,1)モデルがクリプトにおけるボラティリティ・クラスタリングをどう捉えるか、archライブラリを使って最尤法でどう推定するか、そして条件付き分散予測をポジションサイジングと動的ストップにどう変換するかを解説する。
非対称・厚裾GARCH: EGARCH、GJR、そしてStudent-t
通常のGARCH(1,1)は良いニュースと悪いニュースを同じ扱いにし、ガウス型ショックを仮定する。EGARCH、GJR-GARCH、そしてStudent-t/skew-tイノベーションはその両方を修正し、暗号資産に対する誠実なVaRと期待ショートフォールを与えてくれる。
DCC-GARCH: ペアトレードとポートフォリオリスクのための動的相関
暗号資産の相関は一定ではなく、あらゆるドローダウンで1に向かって急騰する。DCC-GARCHは時間変化する相関行列をモデル化し、ペアトレードのための動的ヘッジ比率と、誠実な時間変化ポートフォリオリスクを与えてくれる。
GARCH予測によるボラティリティターゲティングとトレーディング
GARCHボラティリティ予測は、それがトレーディングの意思決定を改善して初めて価値を持つ。本稿ではボラティリティターゲット型の暗号資産戦略を構築し、予測品質を誠実に評価し、ウォークフォワード方式のバックテストでGARCHを実現ボラティリティおよびEWMAのベースラインと比較する。
トレーディングにおける隠れマルコフモデル：市場レジームに応じて戦略を適応させる方法
隠れマルコフモデルを使って現在の市場レジーム（強気・弱気・レンジ）を特定し、自動的にトレーディング戦略を切り替える方法。Pythonコードとバックテスト付き。