Diepgaande verkenningen van AI-handel, marktanalyse en de toekomst van DeFi.
Browse collections →Nothing found. Try a different query.
Vijf treden van fill-simulatiefideliteit — van close-price fills tot probabilistische queue-position modellen. Partial fills als state machine, limit-fill probability bounds als PnL-bracket, en een calibratielus tegen live fills.
TWAP, VWAP en POV zijn allemaal weddenschappen op een volumeprognose. We ontleden de verborgen aannames van elke scheduler, bouwen intraday volumecurves voor crypto en laten alle drie tegen elkaar los op gerepliceerde L2-data.
Volledige afleiding van het Almgren-Chriss-model voor optimale executie: lineaire impact, de sinh/cosh-trajectorie, de efficiënte grens, en werkende Python om eta, gamma en sigma te kalibreren op basis van Binance L2- en tradedata.
Een GARCH-volatiliteitsvoorspelling is alleen iets waard als ze een handelsbeslissing verbetert. We bouwen een volatility-targeted crypto-strategie, beoordelen de voorspelkwaliteit eerlijk en vergelijken GARCH met realized-vol- en EWMA-basislijnen in een walk-forward backtest.
Cryptocorrelaties zijn niet constant — ze schieten in elke drawdown richting 1. DCC-GARCH modelleert een tijdsvariërende correlatiematrix en geeft je dynamische hedgeratio's voor pairs trading en een eerlijk, tijdsvariërend portefeuillerisico.
Gewone GARCH(1,1) behandelt goed en slecht nieuws hetzelfde en gaat uit van Gaussische schokken. EGARCH, GJR-GARCH en Student-t/skew-t innovaties lossen beide op — en geven je een eerlijke VaR en Expected Shortfall voor crypto.
Hoe het GARCH(1,1)-model volatiliteitsclustering in crypto vastlegt, hoe je het schat met maximum likelihood via de arch-bibliotheek, en hoe je voorspellingen van de conditionele variantie omzet in positiegrootte en dynamische stops.