部落格

TWAP、VWAP和POV本質上都是對成交量預測的一次押注。我們剖析每種調度演算法背後隱藏的假設，構建加密貨幣日內成交量曲線，並在回放的L2數據上對三者進行正面對比測試。

Almgren-Chriss 最優執行模型的完整推導：線性衝擊、sinh/cosh 交易軌跡、有效前沿，以及從 Binance L2 和成交資料校準 eta、gamma、sigma 的可執行 Python 程式碼。

GARCH波動率預測只有在能改善交易決策時才有價值。我們構建了一個波動率目標化的加密貨幣策略，誠實地評估預測質量，並在walk-forward回測中將GARCH與已實現波動率和EWMA基準進行比較。

加密貨幣的相關性並非恆定——每次下跌都會飆升至接近1。DCC-GARCH對時變相關性矩陣建模，為配對交易提供動態對沖比率，並給出誠實的時變組合風險。

普通GARCH(1,1)對好訊息和壞訊息一視同仁，並假設衝擊服從高斯分佈。EGARCH、GJR-GARCH以及Student-t/偏態-t新息修正了這兩個缺陷，為加密資產提供更真實的VaR和預期損失估計。

GARCH(1,1)模型如何捕捉加密貨幣中的波動率聚集現象，如何使用arch庫通過最大似然法擬合該模型，以及如何將條件方差預測轉化為倉位規模和動態止損。

搜尋與過擬合這條主線的收官之作，以一個負面結果收尾——而這正是正確的結果。ETHUSDT 上的單品種雙時間框架搜尋找到了一個樣本外 +16.35%、未觸碰留出視窗 +2.62% 的配置；Deflated Sharpe Ratio 在計入約 37,000 次試驗後把它折損到 0.00。對五個主流幣（ETH/BTC/SOL/BNB/XRP，每個約 1.18M 根 1 分鐘 K 線）按樣本外中位數選擇的跨品種檢驗則徹底終結了它：雙時間框架 DSR 0.24 / PBO 0.264，三時間框架 DSR 0.14 / PBO 0.327——兩者都沒過閘門。冠軍只在 5 個品種中的 1 個上盈利，其餘全部為負。這正是反過擬合裝置存在的意義：阻止你把噪聲中的最優當成 alpha 拿去上線。