Pembahasan mendalam tentang AI trading, analisis pasar, dan masa depan DeFi.
Browse collections →Nothing found. Try a different query.
Lima anak tangga fidelitas simulasi fill — dari fill harga close hingga model posisi antrean probabilistik. Partial fill sebagai state machine, batas probabilitas fill limit order sebagai bracket PnL, dan loop kalibrasi terhadap fill live.
TWAP, VWAP dan POV adalah taruhan pada prakiraan volume. Kami membedah asumsi tersembunyi setiap scheduler, membangun kurva volume intraday crypto, dan mengadu ketiganya secara head-to-head pada data L2 yang diputar ulang.
Derivasi lengkap model eksekusi optimal Almgren-Chriss: dampak linier, trajektori sinh/cosh, efficient frontier, dan kode Python siap pakai untuk mengkalibrasi eta, gamma, dan sigma dari data order book L2 dan trade Binance.
Prakiraan volatilitas GARCH baru bernilai jika ia memperbaiki keputusan trading. Kami membangun strategi kripto dengan volatility targeting, mengevaluasi kualitas prakiraan secara jujur, dan membandingkan GARCH dengan baseline realized-vol serta EWMA dalam backtest walk-forward.
Korelasi kripto tidaklah konstan — nilainya melonjak ke arah 1 di setiap drawdown. DCC-GARCH memodelkan matriks korelasi yang berubah seiring waktu, memberi Anda hedge ratio dinamis untuk pairs trading serta risiko portofolio yang jujur dan berubah seiring waktu.
GARCH(1,1) biasa memperlakukan berita baik dan buruk secara sama serta mengasumsikan guncangan Gaussian. EGARCH, GJR-GARCH, dan inovasi Student-t/skew-t memperbaiki keduanya sekaligus memberi Anda VaR dan Expected Shortfall yang jujur untuk kripto.
Bagaimana model GARCH(1,1) menangkap volatility clustering pada crypto, cara melakukan fitting dengan maximum likelihood menggunakan library arch, dan cara mengubah prakiraan conditional variance menjadi position sizing dan stop dinamis.