Deep dives into AI trading, market analysis, and the future of DeFi.
Browse collections →Nothing found. Try a different query.
Derivação completa do modelo de execução ótima de Almgren-Chriss: impacto linear, a trajetória sinh/cosh, a fronteira eficiente e código Python funcional para calibrar eta, gamma e sigma a partir de dados de L2 e trades da Binance.
Uma previsão de volatilidade GARCH só vale alguma coisa se melhorar uma decisão de trading. Construímos uma estratégia cripto com volatility targeting, avaliamos a qualidade da previsão com honestidade e comparamos GARCH contra baselines de volatilidade realizada e EWMA em um backtest walk-forward.
As correlações cripto não são constantes — elas disparam em direção a 1 em cada drawdown. O DCC-GARCH modela uma matriz de correlação variável no tempo, oferecendo razões de hedge dinâmicas para pairs trading e um risco de portfólio honesto e variável no tempo.
O GARCH(1,1) simples trata boas e más notícias da mesma forma e assume choques gaussianos. As inovações EGARCH, GJR-GARCH e Student-t/skew-t corrigem ambos os problemas — e entregam VaR e Expected Shortfall honestos para cripto.
Como o modelo GARCH(1,1) captura o agrupamento de volatilidade em cripto, como ajustá-lo por máxima verossimilhança com a biblioteca arch, e como transformar previsões de variância condicional em dimensionamento de posição e stops dinâmicos.
O ponto culminante do arco de busca-e-overfitting, e ele termina em um resultado negativo — o correto. Uma busca de timeframe duplo em um único símbolo no ETHUSDT encontrou uma configuração que valia +16,35% out-of-sample e +2,62% em um holdout intocado; o Deflated Sharpe Ratio, considerando ~37.000 tentativas, deflacionou-o para 0,00. Uma passagem cross-instrument sobre cinco majors (ETH/BTC/SOL/BNB/XRP, ~1,18M de barras de 1m cada), selecionando pela mediana out-of-sample, o mata de vez: DSR duplo 0,24 / PBO 0,264, DSR triplo 0,14 / PBO 0,327 — ambos falham nos limiares. O campeão é lucrativo em 1 de 5 símbolos e negativo no restante. É para isso que serve o aparato anti-overfitting: para impedir você de embarcar o melhor do ruído como alfa.
Backtests multi-timeframe vazam o futuro através de uma barra de timeframe superior ainda em formação, cujo fechamento final ainda não existe. Não se chega à confiança por revisão de código — é preciso testar. Reproduzimos exatamente a regra de barra fechada do bot ao vivo e depois provamos a ausência de vazamento com uma sonda de futuro deslocado: perturbamos cada barra futura e verificamos que todo sinal e trade passado permanece bit a bit inalterado. 25/25 verificações de paridade, e a sonda tem dentes.