Блог

Пять ступеней точности симуляции исполнения — от филлов по цене закрытия до вероятностных моделей позиции в очереди. Частичные исполнения как конечный автомат, границы вероятности исполнения лимитных ордеров как PnL-вилка и цикл калибровки по живым филлам.

TWAP, VWAP и POV — это ставки на прогноз объема. Разбираем скрытые допущения каждого планировщика, строим внутридневные кривые объема для крипты и сравниваем все три алгоритма на переигранных L2-данных.

Полный вывод модели оптимального исполнения Алмгрена-Чрисса: линейный импакт, траектория sinh/cosh, эффективная граница и рабочий Python для калибровки eta, gamma и sigma по данным стакана L2 и сделок Binance.

Прогноз волатильности GARCH чего-то стоит только если он улучшает торговое решение. Мы строим криптостратегию с таргетированием волатильности, честно оцениваем качество прогноза и сравниваем GARCH с базовыми моделями realized-vol и EWMA в walk-forward бэктесте.

Крипто-корреляции не постоянны — они устремляются к 1 при любой просадке. DCC-GARCH моделирует изменяющуюся во времени матрицу корреляций, давая динамические хедж-коэффициенты для парного трейдинга и честную оценку риска портфеля.

Обычный GARCH(1,1) реагирует на хорошие и плохие новости одинаково и предполагает гауссовские шоки. EGARCH, GJR-GARCH и распределения Student-t/skew-t устраняют обе проблемы — и дают честные VaR и Expected Shortfall для криптовалют.

Как модель GARCH(1,1) улавливает кластеризацию волатильности в крипте, как оценить ее методом максимального правдоподобия с помощью библиотеки arch, и как превратить прогноз условной дисперсии в размер позиции и динамические стопы.