OpenGradient 模型亮点：滚动 GARCH 波动性预测模型 今天我们在我们的模型中心重点介绍一个用于 ETH 每分钟波动性预测的 GARCH 模型。 在生产中生成真实的波动性预测。 🧵👇🏻

高频加密货币的回报与正常假设有显著偏差。 如图所示，经验分布表现出： • 超额峰度（~7.98 对比正常情况下的 3） • 重尾行为 • 极端观察值的高概率 • 非恒定方差结构 这些特征使得薄尾、恒定方差的假设失效。

在分钟级别，收益序列表现出持续的波动聚集。 如图所示，压缩期后会出现不稳定的爆发。 方差随着时间的推移而变化，而不是保持不变。 这种行为促使了条件方差框架的形成。