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.
01 
02 
03 
04 
05 
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。
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。
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。
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。
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。