← All Collections
🌊 5 parts

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.

  1. 01
    GARCH(1,1)：预测加密货币波动率
    Jul 10, 2026 #volatility

    GARCH(1,1)：预测加密货币波动率

    GARCH(1,1)模型如何捕捉加密货币中的波动率聚集现象，如何使用arch库通过最大似然法拟合该模型，以及如何将条件方差预测转化为仓位规模和动态止损。
  2. 02
    非对称与厚尾GARCH：EGARCH、GJR与Student-t
    Jul 11, 2026 #volatility

    非对称与厚尾GARCH：EGARCH、GJR与Student-t

    普通GARCH(1,1)对好消息和坏消息一视同仁，并假设冲击服从高斯分布。EGARCH、GJR-GARCH以及Student-t/偏态-t新息修正了这两个缺陷，为加密资产提供更真实的VaR和预期损失估计。
  3. 03
    DCC-GARCH：配对交易与组合风险的动态相关性
    Jul 12, 2026 #volatility

    DCC-GARCH：配对交易与组合风险的动态相关性

    加密货币的相关性并非恒定——每次下跌都会飙升至接近1。DCC-GARCH对时变相关性矩阵建模，为配对交易提供动态对冲比率，并给出诚实的时变组合风险。
  4. 04
    波动率目标化与基于GARCH预测的交易
    Jul 13, 2026 #volatility

    波动率目标化与基于GARCH预测的交易

    GARCH波动率预测只有在能改善交易决策时才有价值。我们构建了一个波动率目标化的加密货币策略，诚实地评估预测质量，并在walk-forward回测中将GARCH与已实现波动率和EWMA基准进行比较。
  5. 05
    隐马尔可夫模型在交易中的应用：如何根据市场状态调整策略
    Mar 21, 2026 #hmm

    隐马尔可夫模型在交易中的应用：如何根据市场状态调整策略

    如何利用隐马尔可夫模型识别当前市场状态（牛市、熊市、横盘），并自动切换交易策略。附 Python 代码和回测结果。