ブログ

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。

サーチと過学習をめぐる一連の記事の締めくくり——そしてそれはネガティブな結果、すなわち正しい結果で終わる。ETHUSDT単一銘柄のデュアルタイムフレームサーチは、アウトオブサンプルで+16.35%、手つかずのホールドアウトで+2.62%に値する設定を見つけた。だが約37,000回の試行を考慮したデフレーテッド・シャープレシオは、それを0.00までデフレートした。主要5銘柄（ETH/BTC/SOL/BNB/XRP、各約118万本の1分足）に対してアウトオブサンプルの中央値で選抜する銘柄横断のパスが、とどめを刺す：デュアルはDSR 0.24 / PBO 0.264、トリプルはDSR 0.14 / PBO 0.327——どちらもゲートに不合格。チャンピオンが利益を出すのは5銘柄中1つで、残りはマイナス。反過学習の装置はこのためにある：ノイズの最良をアルファとして出荷するのを止めるために。