ブログ

終値約定から確率的キューポジションモデルまで、約定シミュレーションの忠実度を5段階のはしごで解説。部分約定を状態機械として捉え、指値約定確率の上下限をPnLブラケットとして扱い、実約定データに対するキャリブレーションループを構築する。

TWAP、VWAPおよびPOVはいずれもボリューム予測に対する賭けである。各スケジューラーに隠された前提を解剖し、暗号資産のイントラデイ・ボリュームカーブを構築し、リプレイしたL2データ上で3つを直接対決させる。

Almgren-Chriss 最適執行モデルの完全な導出: 線形インパクト、sinh/cosh 軌道、効率的フロンティア、そして Binance の板情報と約定データから eta、gamma、sigma をキャリブレーションする実働 Python コード。

GARCHボラティリティ予測は、それがトレーディングの意思決定を改善して初めて価値を持つ。本稿ではボラティリティターゲット型の暗号資産戦略を構築し、予測品質を誠実に評価し、ウォークフォワード方式のバックテストでGARCHを実現ボラティリティおよびEWMAのベースラインと比較する。

暗号資産の相関は一定ではなく、あらゆるドローダウンで1に向かって急騰する。DCC-GARCHは時間変化する相関行列をモデル化し、ペアトレードのための動的ヘッジ比率と、誠実な時間変化ポートフォリオリスクを与えてくれる。

通常のGARCH(1,1)は良いニュースと悪いニュースを同じ扱いにし、ガウス型ショックを仮定する。EGARCH、GJR-GARCH、そしてStudent-t/skew-tイノベーションはその両方を修正し、暗号資産に対する誠実なVaRと期待ショートフォールを与えてくれる。

GARCH(1,1)モデルがクリプトにおけるボラティリティ・クラスタリングをどう捉えるか、archライブラリを使って最尤法でどう推定するか、そして条件付き分散予測をポジションサイジングと動的ストップにどう変換するかを解説する。