Penelitian mendalam tentang dagangan AI, analisis pasaran, dan masa depan DeFi.
Browse collections →Nothing found. Try a different query.
Lima anak tangga ketepatan simulasi fill — dari fill harga penutup kepada model kebarangkalian kedudukan queue. Partial fill sebagai state machine, sempadan kebarangkalian fill limit sebagai bracket PnL, dan gelung kalibrasi terhadap fill live.
TWAP, VWAP dan POV adalah pertaruhan ke atas ramalan volum. Kami membedah andaian tersembunyi setiap penjadual, membina lengkung volum intraharian kripto, dan menjalankan ketiga-tiganya secara head-to-head ke atas data L2 yang dimainkan semula.
Terbitan penuh model pelaksanaan optimum Almgren-Chriss: kesan linear, trajektori sinh/cosh, sempadan cekap, dan kod Python yang berfungsi untuk menentukur eta, gamma dan sigma daripada data L2 dan dagangan Binance.
Ramalan kemeruapan GARCH hanya bernilai jika ia menambah baik keputusan dagangan. Kami membina strategi kripto bersasarkan kemeruapan, menilai kualiti ramalan secara jujur, dan membandingkan GARCH dengan garis dasar realized-vol dan EWMA dalam backtest walk-forward.
Korelasi kripto tidak konstan — ia melonjak ke arah 1 dalam setiap drawdown. DCC-GARCH memodelkan matriks korelasi yang berubah mengikut masa, memberikan anda nisbah lindung nilai dinamik untuk pairs trading dan risiko portfolio yang jujur dan berubah mengikut masa.
GARCH(1,1) biasa melayan berita baik dan buruk secara sama serta menganggap kejutan Gaussian. EGARCH, GJR-GARCH, dan inovasi Student-t/skew-t membetulkan kedua-duanya - dan memberikan anda VaR serta Expected Shortfall yang jujur untuk kripto.
Bagaimana model GARCH(1,1) menangkap pengelompokan volatiliti dalam kripto, cara memasangnya melalui kemungkinan maksimum dengan pustaka arch, dan cara menukar ramalan varians bersyarat menjadi saiz kedudukan serta stop dinamik.