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): Meramal Volatiliti Kripto
Bagaimana model GARCH(1,1) menangkap pengelompokan volatiliti dalam kripto, cara memasangnya melalui kemungkinan maksimum dengan pustaka arch, dan cara menukar ramalan varians bersyarat menjadi saiz kedudukan serta stop dinamik.
GARCH Tak Simetri dan Ekor Tebal: EGARCH, GJR, dan Student-t
GARCH(1,1) biasa melayan berita baik dan buruk secara sama serta menganggap kejutan Gaussian. EGARCH, GJR-GARCH, dan inovasi Student-t/skew-t membetulkan kedua-duanya - dan memberikan anda VaR serta Expected Shortfall yang jujur untuk kripto.
DCC-GARCH: Korelasi Dinamik untuk Pairs dan Risiko Portfolio
Korelasi kripto tidak konstan - ia melonjak ke arah 1 dalam setiap drawdown. DCC-GARCH memodelkan matriks korelasi yang berubah mengikut masa, memberikan anda nisbah lindung nilai dinamik untuk pairs trading dan risiko portfolio yang jujur dan berubah mengikut masa.
Penyasaran Kemeruapan dan Berdagang dengan Ramalan GARCH
Ramalan kemeruapan GARCH hanya bernilai jika ia menambah baik keputusan dagangan. Kami membina strategi kripto bersasarkan kemeruapan, menilai kualiti ramalan secara jujur, dan membandingkan GARCH dengan garis dasar realized-vol dan EWMA dalam backtest walk-forward.
Model Markov Tersembunyi dalam Perdagangan: Cara Menyesuaikan Strategi dengan Rejim Pasaran
Cara mengenal pasti rejim pasaran semasa (bull, bear, sisi) menggunakan Model Markov Tersembunyi dan menukar strategi dagangan secara automatik. Dengan kod Python dan backtests.
