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): Крипто волатилдүүлүгүн болжолдоо
GARCH(1,1) модели крипто рынокторундагы волатилдүүлүктүн кластерленишин кантип чагылдырат, аны arch китепканасы менен максималдуу ыктымалдуулук ыкмасы аркылуу кантип тууралоо керек, жана шарттуу дисперсия болжолдорун позиция көлөмүнө жана динамикалык стоп-ордерлерге кантип айландырса болот.
Асимметриялуу жана оор куйруктуу GARCH: EGARCH, GJR жана Student-t
Жөнөкөй GARCH(1,1) жакшы жана жаман кабарды бирдей карап, шоктор Гаусс бөлүштүрүлүшүнө баш ийет деп эсептейт. EGARCH, GJR-GARCH жана Student-t/skew-t инновациялары эки кемчиликти тең оңдоп, крипто үчүн так VaR менен Expected Shortfall берет.
DCC-GARCH: жуптар жана портфель тобокелдиги учун динамикалык корреляциялар
Крипто корреляциялар туруктуу эмес - ар бир кулоодо алар 1ге карай секирет. DCC-GARCH убакытка жараша өзгөрүүчү корреляция матрицасын моделдейт жана сизге жуптарды соодалоо үчүн динамикалык хедж-коэффициенттерди, ошондой эле убакытка жараша өзгөрүүчү чынчыл портфель тобокелдигин берет.
Волатилдүүлүктү максат кылуу жана GARCH божомолдору менен соода жүргүзүү
GARCH волатилдүүлүк божомолу соода чечимин жакшыртканда гана баалуу болот. Биз волатилдүүлүккө багытталган крипто стратегиясын курабыз, божомол сапатын чынчыл баалайбыз жана walk-forward бэктестте GARCHти realized-vol жана EWMA базалык моделдерине каршы салыштырабыз.
