Volatilita v kryptoměnách
Volatilita v kryptoměnách není náhodný šum s konstantním rozptylem, ale vykazuje clustering – období zvýšené a snížené variability se shlukují v čase. Tento stylizovaný fakt (stylized fact) narušuje předpoklad i.i.d. výnosů a má zásadní důsledky pro návrh obchodního plánu: od risk managementu přes alokaci kapitálu až po exekuci příkazů, výběr timeframe a používání derivátů.
Co přesně znamená „volatility clustering“
Clustering je jev, kdy podmíněná variance výnosů není konstantní, ale závisí na minulosti: velké pohyby mají tendenci následovat velké (i když třeba opačným směrem) a malé pohyby malé. Prakticky to vidíme jako autokorelaci čtverců výnosů, resp. absolutních výnosů, při současně nízké autokorelaci samotných výnosů.
Stylizované fakty kryptotrhů
- Těžké ocasy (leptokurtóza): extrémy se vyskytují častěji, než by předpokládala normální distribuce.
- Podmíněná heteroskedasticita: variance se mění v čase (GARCH efekt).
- Asymetrie reakcí: negativní šoky mohou zvyšovat volatilitu více než pozitivní (leverage efekt/„bad news is worse“).
- Režimy: přechody mezi low-vol a high-vol epizodami, často vázané na události (makro, on-chain incidenty, regulační zprávy).
Modely pro volatilitu: od GARCH po režimy
- GARCH/EGARCH/GJR-GARCH: popisují podmíněnou varianci; EGARCH zachycuje asymetrii bez nutnosti nenegativity omezení.
- Stochastic volatility (SV): variance je latentní proces; vhodné pro bayesovský přístup a robustní inferenční rámce.
- Regime-switching (Markov): explicitně modeluje přechody mezi režimy (např. „calm“ vs. „turbulent“).
- FIGARCH/long-memory: pro krypta často pozorujeme dlouhou paměť v absolutních výnosech; užitečné při delších horizontech.
- Realized volatility (RV): intradenní data (např. 1-min) agregovaná na denní RV; citlivé na mikrostrukturní šum a outliery.
Důsledky pro risk management
Clustering znamená, že budoucí volatilita je do určité míry predikovatelná z nedávné volatility. To umožňuje volatility targeting – dynamické přizpůsobení expozice tak, aby se udržela konstantní variance P/L.
- Velikost pozice: position size ∝ 1 / σex-ante. Při nárůstu σ se pozice zmenšuje, čímž se stabilizuje drawdown.
- Stop-loss geometra: SL navázán na volatilitu (ATR, RV) místo fixních ticků; snižuje předčasné vyhození v high-vol režimu.
- Risk budget: alokuj riziko na obchod (např. 0,5–1,0 % účtu) a škáluj ho přes σ. V high-vol režimu klesá nominální objem.
- Kelly/frac-Kelly: parametry Kellyho frakce jsou volatilita a edge; při clusterech je nutné frakci ex-ante redukovat.
Exekuce a mikrostruktura během clusterů
- Širší spready a skluz: v high-vol clusteru roste impact; preferuj passive exekuci, případně TWAP/VWAP s limity.
- Likvidita a hluboké knihy: na CEX sleduj 10–20 bps hloubku; na DEX koncentraci likvidity (CLAMM) a re-centraci pásma.
- Latence a MEV: při L2/DEX v high-vol prudce roste MEV a nevyplněné swapy; zvaž private orderflow / RFQ.
- Funding & OI: clustery často provází expanze open interest a extrémní funding; riziko squeezů a likvidačních kaskád.
Framework „Volatility-aware“ obchodního plánu
- Diagnostika režimu: 10–20 d RV/ATR, percentil historické σ, zlomové body (CUSUM), alerty na přechody režimů.
- Pravidla velikosti pozice: definuj funkci f(σ). Např.: pro percentil σ < 40 → 1×, 40–70 → 0,7×, >70 → 0,4×.
- Stop & take profit: SL = k × ATR; k adaptuj podle režimu. TP řízený MFE a time stopem v low-vol.
- Frekvence obchodů: v high-vol clusteru preferuj méně, ale kvalitnější příležitosti; v low-vol spíše „fade“ či mean-reversion.
- Rebalancování: pravidelná normalizace delta-expozic (spot vs. perpy) při změnách σ, aby se nezvyšovalo portfoliové beta.
Režimy volatility a volba strategie
| Režim | Charakteristika | Preferované strategie | Risk/Exekuce |
|---|---|---|---|
| Low-vol (komprese) | Úzké pásmo, nízké RV/ATR | Mean-reversion, range-trading, carry | Menší SL, vyšší frekvence, úzké spready |
| Transition (expanze) | Breakouty, růst objemu | Breakout/pullback trend, event-driven | Opatrné sizing, postupné vstupy, S/R potvrzení |
| High-vol (turmoil) | Velké svíčky, časté gapy | Trend-follow s menším sizingem, rychlé partials | Širší SL, nízká páka, důraz na skluz a likviditu |
Volatility targeting: praktická implementace
- Odhad σ: EWMA RV (λ ~ 0,94–0,97), denní/4h okno, robustní vůči outlierům (winsorizace).
- Scaling factor: pozice = (target σ / odhad σ) × základní pozice; hranice (min/max) chrání před extrémy.
- Rebalanční frekvence: denně nebo po překročení prahů (např. ±20 % vs. target σ).
- Portfoliová vrstva: risk parity mezi aktivy (BTC/ETH/alt koše), nikoliv mezi nominálními váhami.
Opce a implicitní volatilita
- Term structure IV: během clusterů se sklon mění; krátké expirace nafouknuté, dlouhé méně – příležitost pro kalendářní spready.
- Skew: v šocích se prohlubuje put-skew; hedging portfolia přes puty je dražší – zvaž collars nebo put spready.
- Gamma scalping: funguje v high-vol při aktivním delta hedgingu, ale zvyšuje nároky na exekuci a poplatky.
- Variance/Vol swaps (pokud dostupné): čisté sázky na realizovanou volatilitu vs. implicitní.
Jumpy vs. difúzní volatilita
Krypto má významnou skokovou složku (jumps) – regulační zprávy, velké likvidace, bridge incidenty. To oslabuje klasické stop-lossy a může vyžadovat gap-aware pravidla: nižší páka, širší SL s menším sizingem, nebo ochranné opce.
Extreme Value Theory (EVT) a tail riziko
Protože ocasy jsou těžké, prahové modely (POT, Generalized Pareto) lépe odhadují extrémní ztráty než normální VaR. V praxi: kalibruj stresové σ, pracuj s „worst 1 %“ scénáři, měj Incident Playbook pro 5–10× běžné ATR.
Backtesting a robustnost
- Ne-i.i.d. data: klasické testy významnosti mohou nadhodnotit edge; používej block bootstrap a walk-forward.
- Režimová citlivost: testuj výkonnost přes percentily σ; strategie musí přežít všechny režimy nebo mít switching rule.
- Transaction costs aware: v clusterech rostou náklady – zahrň dynamický skluz/spread model.
Specifika pro DeFi a AMM
- CLAMM poskytování likvidity: v high-vol clusteru častější re-centrace pásma; roste impermanent loss.
- Stable-stable pooly: expozice na depeg; volatilita není nulová, mění se korelace a fee APR.
- Leveraged staking/borrowing: LTV limity adaptuj podle σ; nastav health factor alerts a auto-repay mechanismy.
Operativní pravidla při přechodu režimů
- Trigger „σ-break“: při 30-d RV nad 80. percentilem sniž páku o X %, rozšiř SL o Y %, sniž frekvenci vstupů.
- Liquidity guardrails: stanov minimální knižní hloubku (USD) pro exekuci; pod prahem jen market-making s mikro sizingem.
- Derivátový hedge-on: při přechodu do high-vol automaticky zapnout ochranné puty/collars pro nejbližší data.
- „No-trade“ zóny: vyhlásit pauzu během extrémních událostí (např. LUNA-like), dokud se IV/RV nepřemostí.
Měření a dashboardy
- RV/ATR monitor: 1h/4h/1d, percentilová signalizace, barevné režimy, alarmy na přechody.
- Liquidity & slippage: odhad skluzu pro typickou velikost; reálné vs. modelované náklady.
- Funding/OI/IV: syntéza do „turbulence indexu“ pro perpy a opce.
- Compliance guard: limity páky a velikosti pozic vázané na režim, audit logy změn.
Příklady pravidel v playbooku
- Rule #1 (Sizing): základní risk R = 0,75 % účtu při σ v 20.–60. percentilu; mimo pásmo lineární škála 0,3–1,0 %.
- Rule #2 (Stops): SL = 1,8 × ATR (4h) v low-vol, 2,6 × ATR v high-vol; max ztrátový den 2R.
- Rule #3 (Exekuce): zákaz market vstupu při spread > 5 bps a odhadovaném skluzu > 10 bps; jinak limit-ladder.
- Rule #4 (Deriváty): při IV/RV spread > 1,3 zvaž prodej prémií jen s přísným risk capem a tail hedgem.
Nejčastější omyly
- Fixní SL/TP bez ohledu na režim: způsobují náhodné vyhození v clusterech.
- Ignorování nákladů: strategie, které fungují v backtestu s nulovým skluzem, selhávají v realitě high-vol.
- Páka jako konstanta: měla by jím být risk na obchod, nikoliv leverage číslo.
- Zaměňování IV za RV: implicitní volatilita je očekávání trhu, nikoliv garance realizace.
Volatility clustering je základní vlastnost kryptotrhů. Pokud ji ignorujeme, risk profil se stává nestabilním a výsledky nespolehlivými. Volatility-aware plán – se škálováním pozice, adaptivními stopy, režimovým přepínáním strategií a disciplinovanou exekucí – proměňuje nepříjemnou vlastnost trhu v předvídatelnou proměnnou, kterou lze řídit. Tím se snižuje variabilita P/L, zkracují drawdowny a zvyšuje pravděpodobnost dlouhodobé udržitelnosti výkonu.
