บล็อก

ห้าขั้นของความสมจริงในการจำลอง fill — ตั้งแต่ fill ที่ราคาปิดไปจนถึงโมเดลความน่าจะเป็นตามตำแหน่งในคิว Partial fill ในรูปแบบ state machine ขอบเขตความน่าจะเป็นของการ fill ออเดอร์ limit ในฐานะกรอบ PnL และลูปการคาลิเบรตกับ fill จริง

TWAP, VWAP และ POV ล้วนเป็นการเดิมพันกับการพยากรณ์วอลุ่ม เราจะผ่าสมมติฐานที่ซ่อนอยู่ของแต่ละ scheduler สร้าง crypto intraday volume curve และรันทั้งสามตัวเทียบกันบนข้อมูล L2 ที่ replay จริง

อนุพัทธ์เต็มรูปแบบของโมเดล Optimal Execution แบบ Almgren-Chriss: linear impact, เส้นทาง sinh/cosh, efficient frontier และโค้ด Python ที่ใช้งานได้จริงสำหรับ calibrate eta, gamma และ sigma จากข้อมูล L2 และ trade ของ Binance

การพยากรณ์ความผันผวนด้วย GARCH จะมีค่าก็ต่อเมื่อมันช่วยปรับปรุงการตัดสินใจเทรดเท่านั้น เราสร้างกลยุทธ์คริปโตแบบกำหนดเป้าหมายความผันผวน ประเมินคุณภาพการพยากรณ์อย่างซื่อตรง และเปรียบเทียบ GARCH กับเกณฑ์มาตรฐานอย่าง realized-vol และ EWMA ในการทดสอบย้อนหลังแบบ walk-forward

สหสัมพันธ์ของคริปโตไม่คงที่ — มันพุ่งเข้าใกล้ 1 ทุกครั้งที่ตลาดร่วง DCC-GARCH สร้างแบบจำลองเมทริกซ์สหสัมพันธ์ที่แปรผันตามเวลา ให้อัตราส่วนป้องกันความเสี่ยงแบบพลวัตสำหรับการเทรดคู่ และความเสี่ยงพอร์ตที่แปรผันตามเวลาอย่างตรงไปตรงมา

GARCH(1,1) แบบธรรมดามองข่าวดีและข่าวร้ายเหมือนกันหมด และสมมติว่าช็อกเป็นแบบเกาส์เซียน EGARCH, GJR-GARCH และ Student-t/skew-t แก้ทั้งสองจุดนี้ — พร้อมให้ VaR และ Expected Shortfall ที่ตรงความจริงสำหรับคริปโต

โมเดล GARCH(1,1) จับกลุ่มก้อนของความผันผวน (volatility clustering) ในคริปโตได้อย่างไร วิธีประมาณค่าด้วย maximum likelihood ผ่านไลบรารี arch และวิธีแปลงการพยากรณ์ conditional variance ให้กลายเป็นการกำหนดขนาดโพซิชันและ stop ที่ปรับตัวแบบไดนามิก