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): Kripto Volatilitesini Tahmin Etmek
GARCH(1,1) modelinin kriptodaki volatilite kumelenmesini nasil yakaladigi, arch kutuphanesiyle maksimum olabilirlik yontemiyle nasil uyarlandigi ve kosullu varyans tahminlerinin pozisyon boyutlandirmasina ve dinamik stop seviyelerine nasil donusturuldugu.
Asimetrik ve Kalın Kuyruklu GARCH: EGARCH, GJR ve Student-t
Yalın GARCH(1,1) iyi ve kötü haberi aynı sayar ve Gauss şoklarını varsayar. EGARCH, GJR-GARCH ve Student-t/çarpık-t inovasyonları ikisini de düzeltir ve kripto için dürüst bir VaR ile Expected Shortfall verir.
DCC-GARCH: Cift Islemleri ve Portfoy Riski Icin Dinamik Korelasyonlar
Kripto korelasyonlari sabit degildir - her cokuste 1'e dogru sicrarlar. DCC-GARCH, zamanla degisen bir korelasyon matrisini modelleyerek size cift islemleri icin dinamik hedge oranlari ve durust, zamanla degisen bir portfoy riski sunar.
Volatilite Hedefleme ve GARCH Tahminleriyle İşlem Yapma
Bir GARCH volatilite tahmini yalnızca bir işlem kararını iyileştirdiğinde değer taşır. Volatilite hedefli bir kripto stratejisi kuruyor, tahmin kalitesini dürüstçe değerlendiriyor ve GARCH'ı bir walk-forward geriye dönük testte realized-vol ve EWMA temel çizgileriyle karşılaştırıyoruz.
Ticarette Gizli Markov Modelleri: Piyasa Rejimlerine Göre Stratejinizi Nasıl Uyarlarsınız
Gizli Markov Modelleri kullanarak mevcut piyasa rejimini (boğa, ayı, yatay) nasıl tespit edeceğinizi ve ticaret stratejilerini otomatik olarak nasıl değiştireceğinizi öğrenin. Python kodu ve geri testlerle.
