crypto-5m-research/directions/volatility-regimes.json

[
 {
  "title": "Risk Everywhere: Modeling and Managing Volatility",
  "authors": "Tim Bollerslev; Benjamin Hood; John Huss; Lasse Heje Pedersen",
  "year": 2018,
  "url": "https://public.econ.duke.edu/~boller/Published_Papers/rfs_18.pdf",
  "doi": "10.1093/rfs/hhy041",
  "horizon": "RV из 5-мин → дневные прогнозы и таргетирование риска (данные >20 лет)",
  "data": "20 commodities, 21 индекс акций, 8 фьючерсов на ставки, 9 валют; внутридневные данные, 5-мин RV",
  "costs_assumed": "Учтены 'realistic transaction costs'; отдельные оценки даны в б.п./год полезности",
  "key_numbers": "5-мин RV трудно превзойти (цит. Liu-Patton-Sheppard); прирост certainty-equivalent полезности лучшей модели риска vs статической = 48 б.п./год; vs модель на дневных данных = 19 б.п./год; vs скользящее среднее RV за 21 день = 8 б.п./год; базовые допущения SR=0.4, риск-таргет 20%",
  "verdict": "Экономическая ценность прогноза волатильности мала: 8-19 б.п./год против нашей стоимости круга 11 б.п. → волатильность это риск-менеджмент, а не альфа",
  "implementable": "Да как фильтр/сайзинг (не как самостоятельный сигнал)"
 },
 {
  "title": "Does anything beat 5-minute RV? A comparison of realized measures across multiple asset classes",
  "authors": "Lily Y. Liu; Andrew J. Patton; Kevin Sheppard",
  "year": 2015,
  "url": "https://public.econ.duke.edu/~ap172/Liu_Patton_Sheppard_JoE_2015.pdf",
  "doi": null,
  "horizon": "дневная QV; прогноз через HAR на 1-50 дней",
  "data": "400+ оценок реализованной волатильности, 31 актив, 5 классов активов, 11 лет",
  "costs_assumed": "не моделируются",
  "key_numbers": "'difficult to significantly beat 5-minute RV'; автокорреляция QV 1-го порядка в среднем 0.95 (2-го порядка 0.92)",
  "verdict": "Простое 5-мин RV — достаточная оценка; экзотические оценки не нужны. Экстремальная персистентность объясняет, почему наивный прогноз силён",
  "implementable": "Да: считать RV по 5-мин доходностям, без сложных оценок"
 },
 {
  "title": "Volume-driven time-of-day effects in intraday volatility models",
  "authors": "Igor Ferreira Batista Martins; Audronė Virbickaitė; Hoang Nguyen; Hedibert Freitas Lopes",
  "year": 2025,
  "url": "https://www.oru.se/globalassets/oru-sv/institutioner/hh/workingpapers/workingpapers2025/wp-14-2025.pdf",
  "doi": null,
  "horizon": "одношаговый = 5-минутный горизонт (5-мин RV как прокси); OOS 01.01.2022-30.08.2024",
  "data": "5-мин лог-доходности и объём: E-mini S&P500, E-mini Nasdaq 100, Euro FX futures, WTI (CME/Globex)",
  "costs_assumed": "издержки не моделируются (используется формула Moreira-Muir, где c нормирует волатильность)",
  "key_numbers": "Mincer-Zarnowitz R2: предложенная модель 0.748 (Nasdaq) / 0.733 (S&P500); PSVO 0.553; PSV 0.546; SV 0.459; GARCH 0.421/0.433; AR1-RV 0.409/0.414; DM-статистики значимо в пользу модели; Табл.4 vol-managed Sharpe 0.14→3.28 (Nasdaq), 0.19→3.52 (S&P) — неправдоподобно при средней доходности 0.79%/0.64%/год (годовая волатильность ~0.2%)",
  "verdict": "Единственная найденная работа про прогноз RV на 5-мин горизонте: R2 0.73-0.75 с периодичностью и объёмом (против 0.41 у AR1-RV). Статистика есть, экономика без издержек не доказана; Sharpe из Табл.4 доверять нельзя",
  "implementable": "Да: включить время суток (час, минута-в-часе) и лагированную активность/объём в модель σ̂"
 },
 {
  "title": "The Impact of Volatility Targeting",
  "authors": "Campbell R. Harvey; Edward Hoyle; Russell Korgaonkar; Sandy Rattray; Matthew Sargaison; Otto Van Hemert",
  "year": 2018,
  "url": "https://people.duke.edu/~charvey/Research/Published_Papers/P135_The_impact_of.pdf",
  "doi": "10.3905/jpm.2018.45.1.014",
  "horizon": "дневное ребалансирование; для S&P500-фьючерсов и 10Y Treasury также 5-мин внутридневная оценка волатильности (с 1988)",
  "data": "60+ активов с 1926 (акции США, облигации, кредит, 50 ликвидных фьючерсов/форвардов)",
  "costs_assumed": "1.0 б.п. акции, 0.5 б.п. облигации/кредит, 1.0 б.п. золото, 2.0 б.п. нефть, 3.5 б.п. медь (доля ноционала); целевая волатильность 10%",
  "key_numbers": "Sharpe 0.40 → 0.48-0.51; vol of vol 4.6% → 1.8%; оборот ~5 кругов/год ⇒ 0.066%/год издержек при 1 б.п.; выигрыш только для риск-активов; переход на 5-мин данные даёт лишь небольшое улучшение Sharpe/vol-of-vol/левого хвоста",
  "verdict": "Vol-targeting даёт +0.08 Sharpe и режет хвосты, но это заслуга НИЗКОГО оборота при дневном ребалансе; на 5м-частоте преимущество исчезает",
  "implementable": "Да: сайзинг по σ̂ на уровне сделки; непрерывный ребаланс на 5м — нет"
 },
 {
  "title": "Volatility-Managed Portfolios",
  "authors": "Alan Moreira; Tyler Muir",
  "year": 2017,
  "url": "https://www.stern.nyu.edu/sites/default/files/assets/documents/Volatility%20Managed%20Portfolios.pdf",
  "doi": "10.1111/jofi.12513",
  "horizon": "месячный (факторы акций, currency carry)",
  "data": "факторы: market, value, momentum, profitability, ROE, investment, BAB, carry",
  "costs_assumed": "утверждается устойчивость 'even if subject to realistic transaction costs'",
  "key_numbers": "Для рынка: альфа 4.86%/год, appraisal ratio 0.33, +25% к Sharpe buy-and-hold; прирост mean-variance полезности ~65% lifetime utility",
  "verdict": "Сильная версия 'vol-targeting = альфа' (in-sample, месячная частота)",
  "implementable": "Нет напрямую на 5м (месячный горизонт), но мотивирует проверку сайзинга"
 },
 {
  "title": "On the performance of volatility-managed portfolios",
  "authors": "Scott Cederburg; Michael S. O'Doherty; Feifei Wang; Xuemin (Sterling) Yan",
  "year": 2020,
  "url": "https://www.lehigh.edu/~xuy219/research/COWY.pdf",
  "doi": null,
  "horizon": "месячный, с акцентом на real-time реализацию",
  "data": "103 стратегии акций (всесторонний набор)",
  "costs_assumed": "издержки учитываются в OOS-тестах (CE-доходности и Sharpe)",
  "key_numbers": "'no statistical or economic evidence that volatility-managed portfolios systematically earn higher Sharpe ratios'; OOS-версии комбинаций обычно дают НИЖЕ CE-доходность и Sharpe, чем простые незамасштабированные инвестиции; причина — structural instability spanning-регрессий; in-sample альфы нереализуемы в реальном времени",
  "verdict": "Прямое опровержение Moreira-Muir: vol-managed альфы не воспроизводятся OOS. Vol-targeting нельзя считать источником альфы",
  "implementable": "Нет как источник альфы; только как риск-контроль"
 },
 {
  "title": "High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models with Realised Semivariance and Jump Components",
  "authors": "Raheleh Sarrafshirazi (MSc thesis, Concordia University)",
  "year": 2025,
  "url": "https://spectrum.library.concordia.ca/995904/1/Sarrafshirazi_MSc_F2025.pdf",
  "doi": null,
  "horizon": "1, 7, 30, 90 дней (rolling window = начальные 80% выборки, 2215 дней)",
  "data": "минутные цены BTC (агрегат Kaggle), август 2017 - февраль 2025; RV из 5-мин доходностей",
  "costs_assumed": "не моделируются (метрики RMSE, MAE, QLIKE)",
  "key_numbers": "HAR-варианты (HAR, HAR-RS, HAR-J, HAR-RS-J) превосходят GARCH(1,1) на КОРОТКИХ горизонтах, GARCH лучше на длинных; HAR-J лучший day-ahead, HAR-RS лучший на неделе/месяце; на квартале точность сходится; у BTC короче память волатильности и больше вклад джампов, чем у акций; downside semivariance и continuous variation — устойчивые предикторы",
  "verdict": "HAR-семейство — обязательный коротко-горизонтный бейзлайн для крипты; GARCH проигрывает на коротких горизонтах",
  "implementable": "Да как бейзлайн модели σ̂ (на дневном горизонте; на 5м экстраполяция не проверена)"
 },
 {
  "title": "Comparison of GARCH and HAR-RV models for realized volatility of Bitcoin and E-mini S&P 500",
  "authors": "V. Manevich; A. Peresetskiy; P. Pogorelova (HSE, 09.09.2022)",
  "year": 2022,
  "url": "https://economics.hse.ru/mirror/pubs/share/827451601.pdf",
  "doi": null,
  "horizon": "дневная RV, прогноз на день",
  "data": "закрытия 5-мин баров BTC и E-mini S&P 500 futures (finam.ru), 01.01.2018-29.12.2021, 288 интервалов в сутках",
  "costs_assumed": "не моделируются (MSE, MAE, MAPE; значимость 1%)",
  "key_numbers": "Все 10 GARCH-моделей уступают HAR-моделям; лучшие MAPE = 29.51% (Bitcoin) и 36.12% (E-mini S&P 500); бенчмарк GARCH(1,1)-norm: MAE 0.004623 / MAPE 61.97% для BTC",
  "verdict": "Даже лучшая модель ошибается на ~30% относительно по дневной RV BTC. Честный потолок точности прогноза RV крипты",
  "implementable": "Да: использовать как ориентир требуемой точности σ̂"
 },
 {
  "title": "Periodicity in Cryptocurrency Volatility and Liquidity",
  "authors": "(arXiv preprint; UNC/Copenhagen Business School/Volatility Group), 05.11.2021",
  "year": 2021,
  "url": "https://arxiv.org/abs/2109.12142",
  "doi": "10.48550/arXiv.2109.12142",
  "horizon": "1-мин и 5-мин данные; внутридневная периодичность (день недели, час суток, внутри часа)",
  "data": "1-мин OHLCV Binance (BTC/USDT, ETH/USDT), Coinbase Pro (BTC/USD, ETH/USD), Uniswap V2 (WETH/USDC); основной сэмпл 01.10.2020-01.06.2021, расширенный с 01.01.2019",
  "costs_assumed": "не моделируются (измерительная работа)",
  "key_numbers": "RV(5-мин) годовое среднее/медиана: BTC/USDT Binance 67.72%/54.57%, ETH/USDT 86.29%/71.59%; волатильность максимум ~16 UTC, минимум ~05 UTC; пики объёма и волатильности в 00:00 и 16:00 UTC (слабее в 08:00) — совпадают с временами фандинга перпетуалов (Binance 00/08/16, FTX каждый час, BitMEX 04/12/20 UTC); внутри часа пики каждые 15 минут и меньшие каждые 5 минут; GARCH-модели существенно выигрывают от учёта периодичности; разрывы в 1-мин рядах на каждой 15-й/5-й/1-й минуте; ценопознание на CEX, DEX отстаёт до ~12 минут",
  "verdict": "Самый надёжный и прикладной крипто-специфичный результат направления: периодичность волатильности/объёма реальна, стабильна и объяснима (фандинг + алгоритмы). Но направления не даёт и издержки не покрывает",
  "implementable": "Да: дамми час-суток / минута-в-часе / фандинг-штампы в модели σ̂; окно входа 12:00-18:00 UTC"
 },
 {
  "title": "Market Intraday Momentum (The First Half-Hour Return Predicts the Last Half-Hour Return)",
  "authors": "Lei Gao; Yufeng Han; Sophia Zhengzi Li; Guofu Zhou",
  "year": 2018,
  "url": "https://c.mql5.com/forextsd/forum/173/intraday_momentum_-_the_first_half-hour_return_predicts_the_last_half-hour_return.pdf",
  "doi": null,
  "horizon": "30 минут (первая получасовка → последняя)",
  "data": "SPY (S&P 500 ETF), 04.01.1993-31.12.2013; также 10 ETF и 2 международных фьючерса",
  "costs_assumed": "авторы утверждают, что эффект остаётся значимым после издержек",
  "key_numbers": "R2 первого получасового возврата на последний = 1.6% (с r12 — 2.6%, на днях высокой волатильности до 3.3%); тайминг-стратегия: 6.67%/год, SD 6.19%, Sharpe 1.08 vs buy-and-hold 0.29 (6.04%/год, SD 20.57%); в группах по волатильности Sharpe растёт 0.18 → 0.97 → 1.63",
  "verdict": "Предсказуемость направления на внутридневном горизонте мала по R2 и растёт с волатильностью/объёмом. Аргумент против гипотезы 'breakout только в тишине'",
  "implementable": "Частично: идея 'время суток + высокая активность = выше предсказуемость'; горизонт 30 мин, не 5 мин"
 },
 {
  "title": "Bitcoin intraday time series momentum",
  "authors": "Dehua Shen; Andrew Urquhart; Pengfei Wang",
  "year": 2021,
  "url": "https://onlinelibrary.wiley.com/doi/10.1111/fire.12290",
  "doi": "10.1111/fire.12290",
  "horizon": "30 минут (сессия определена по всплеску объёма; 'закрытие' = 17:00 EST, начало брейка CME Bitcoin futures)",
  "data": "BTC на Bitfinex, Bitstamp, CEX.IO, Coinbase, Kraken",
  "costs_assumed": "заявлены экономические выигрыши; детальный учёт издержек нами не проверен",
  "key_numbers": "первая получасовка значимо предсказывает последнюю in-sample И OOS; эффект сильнее, когда первая сессия имеет наибольший объём/волатильность; выигрыш в market timing и asset allocation, особенно на падениях BTC",
  "verdict": "Крипто-аналог Gao et al.: эффект есть, но горизонт 30 мин и требуется вручную определённая 'сессия' (у крипты нет открытия/закрытия)",
  "implementable": "Да как правило-кандидат на 30-мин горизонте; сессию задавать через всплеск объёма и фандинг-штампы"
 },
 {
  "title": "Intraday return predictability in the cryptocurrency markets: Momentum, reversal, or both",
  "authors": "(авторы не зафиксированы: ScienceDirect отдал только абстракт, SSRN-копия 403)",
  "year": 2022,
  "url": "https://www.sciencedirect.com/science/article/abs/pii/S1062940822000833",
  "doi": null,
  "horizon": "внутридневной",
  "data": "криптовалюты, внутридневные данные",
  "costs_assumed": "заявлено, что timing-стратегия превосходит buy-and-hold; методика издержек не видна из абстракта",
  "key_numbers": "документированы И моментум, И разворот; влияние джампов, FOMC, ликвидности, COVID-19; intraday momentum объясняется теорией 'поздно информированных' инвесторов, reversal — перереакцией/самоуверенностью",
  "verdict": "Направление внутри дня режимно-зависимо (то моментум, то разворот) — одиночное правило входа без режимного гейта ненадёжно",
  "implementable": "Частично; прочитан только абстракт"
 },
 {
  "title": "Turn-of-the-candle effect in bitcoin returns",
  "authors": "Savva Shanaev; Mikhail Vasenin; Roman Stepanov",
  "year": 2023,
  "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10015199/",
  "doi": "10.1016/j.heliyon.2023.e14236",
  "horizon": "1 минута / границы 15-мин свечей; эффект появился во 2-й половине 2020",
  "data": "BTC, 7 бирж",
  "costs_assumed": "авторы: стратегия превосходит buy-and-hold УЖЕ после комиссий и bid-ask спреда при стартовом капитале от $5000",
  "key_numbers": "положительные доходности 0.58 б.п. в минуту сконцентрированы на 0-й, 15-й, 30-й и 45-й минутах часа; t-stat > 9 для всех 7 бирж в 2021; устойчиво к выбросам и тяжёлым хвостам",
  "verdict": "Микроструктурный эффект на границе свечей: ~2.3 б.п. на 'поворот' против нашего круга 11 б.п. ⇒ тайминг входа/выхода, а не источник дохода; есть риск затухания",
  "implementable": "Да как правило тайминга (входить на 0/15/30/45-й минуте)"
 },
 {
  "title": "Risk of Bitcoin Market: Volatility, Jumps, and Forecasts",
  "authors": "(arXiv 1912.05228, q-fin.RM; v3 09.12.2021)",
  "year": 2021,
  "url": "https://arxiv.org/abs/1912.05228",
  "doi": "10.48550/arXiv.1912.05228",
  "horizon": "короткий и длинный горизонты прогноза RV",
  "data": "Bitcoin, realized volatility / jumps",
  "costs_assumed": "используется утилити-подход (utility gain), явных издержек нет",
  "key_numbers": "лагированная realized variance повышает будущую; джампы (особенно положительные) снижают будущую RV; моделирование джампов и знаковых оценок полезно для ДОЛГОСРОЧНОГО прогноза и 'unnecessary for the short-term realized variance forecast'",
  "verdict": "На коротком горизонте джамп-машинерия не окупается — для 5м достаточно простых RV-моделей",
  "implementable": "Да как ограничение сложности модели σ̂"
 },
 {
  "title": "Forecasting Realized Volatility with Time Series Foundation Models: A Comparison with Econometric Benchmarks",
  "authors": "Alessio Brini (Duke University)",
  "year": 2026,
  "url": "https://arxiv.org/abs/2607.05291",
  "doi": "10.48550/arXiv.2607.05291",
  "horizon": "3 горизонта (короткий/средний/месячный)",
  "data": "VOLARE: 50 активов (акции, FX, фьючерсы)",
  "costs_assumed": "не моделируются",
  "key_numbers": "9 zero-shot TSFM против 8 эконометрических моделей с формальными тестами; только маленькая модель TTM узко бьёт Log-HAR на всех горизонтах, остальные не бьют; после Mincer-Zarnowitz-рекалибровки большая часть короткого преимущества оказывается лучшим МАСШТАБОМ, а не лучшим прогнозом; равновесное среднее TTM+Log-HAR входит в Model Confidence Set для 98-100% активов",
  "verdict": "Сложные модели не дают бесплатного выигрыша; достаточно HAR + ансамбль. Прямое предупреждение против покупки 'умных' решений",
  "implementable": "Да: использовать Log-HAR + простой ансамбль, не гнаться за трансформерами"
 },
 {
  "title": "Crypto Volatility Forecasting: Mounting a HAR, Sentiment, and Machine Learning Horserace",
  "authors": "(Journal of Financial Services Research/Springer, doi:10.1007/s10690-024-09510-6)",
  "year": 2025,
  "url": "https://link.springer.com/article/10.1007/s10690-024-09510-6",
  "doi": "10.1007/s10690-024-09510-6",
  "horizon": "внутридневной (intraday данные крипты), one-step ahead",
  "data": "криптовалюты + ИИ-сентимент из базы новостей о крипторынке",
  "costs_assumed": "не моделируются",
  "key_numbers": "ML (MLP, LSTM, XGBoost, LightGBM, CNNBiLSTM) улучшают HAR; сентимент НЕ улучшает HAR, но улучшает ML в 54.17% случаев; ML улавливает нелинейное влияние сентимента",
  "verdict": "ML даёт скромный, но реальный выигрыш; сентимент — не короткий путь для HAR-подобных моделей",
  "implementable": "Частично: добавить ML-ансамбль поверх HAR, сентимент — опционально"
 },
 {
  "title": "Advances in forecasting realized volatility: a review of methodologies",
  "authors": "(Financial Innovation, Springer, doi:10.1186/s40854-025-00809-5)",
  "year": 2025,
  "url": "https://link.springer.com/article/10.1186/s40854-025-00809-5",
  "doi": "10.1186/s40854-025-00809-5",
  "horizon": "разные (обзор 2000 - 1П2024)",
  "data": "обзор литературы по прогнозу realized volatility",
  "costs_assumed": "не применимо",
  "key_numbers": "лучший класс моделей — гибриды CNN+LSTM; затем HARNets/трансформеры",
  "verdict": "Консенсус обзора: DL чуть впереди на метриках; практическая значимость приращения не оценивается",
  "implementable": "Слабо: ориентир для выбора класса моделей"
 },
 {
  "title": "Improving S&P 500 Volatility Forecasting through Regime-Switching Methods",
  "authors": "Anurag Jakkula et al. (arXiv 2510.03236)",
  "year": 2025,
  "url": "https://arxiv.org/abs/2510.03236",
  "doi": "10.48550/arXiv.2510.03236",
  "horizon": "дневная RV, рекурсивный прогноз на 5 и 10 дней",
  "data": "SPX, RV из 5-мин лог-доходностей, 01.05.2014-27.05.2025",
  "costs_assumed": "не моделируются",
  "key_numbers": "soft Markov switching, спектральная кластеризация с XGBoost, coefficient-based soft regime (Mood test + Bayesian GMM); coefficient-based подход превзошёл все модели, включая AR-бейзлайн, во ВСЕХ периодах (до/во время/после COVID); режимы медленные",
  "verdict": "Учёт режимов улучшает ДНЕВНОЙ прогноз волатильности; подтверждений для 5-мин режимов нет",
  "implementable": "Частично: медленная режимная компонента в модель σ̂ (не как торговый сигнал)"
 },
 {
  "title": "Volatility forecasting with machine learning and intraday commonality",
  "authors": "Chao Zhang et al. (arXiv 2202.08962; Journal of Financial Econometrics)",
  "year": 2022,
  "url": "https://arxiv.org/abs/2202.08962",
  "doi": "10.48550/arXiv.2202.08962",
  "horizon": "внутридневная RV → прогноз на 1 день",
  "data": "акции (пулинг), внутридневные RV",
  "costs_assumed": "не моделируются",
  "key_numbers": "нейросети доминируют линейные и tree-модели; модели переносятся на новые акции (универсальный механизм волатильности); time-of-day эффекты помогают прогнозу",
  "verdict": "'Время суток' — полезный признак для intraday RV; переносимость между активами подтверждена",
  "implementable": "Да: включить time-of-day признаки; идея пулинга применима к пулу пар"
 },
 {
  "title": "Out-of-sample prediction of Bitcoin realized volatility: Do other cryptocurrencies help?",
  "authors": "Yongsheng Yi; Mengxi He; Yaojie Zhang",
  "year": 2022,
  "url": "https://www.sciencedirect.com/science/article/pii/S106294082200081X",
  "doi": "10.1016/j.najef.2022.101731",
  "horizon": "дневная RV (RV из внутридневных данных)",
  "data": "Bitcoin + другие криптовалюты",
  "costs_assumed": "используется утилити-gain; явные издержки не заявлены",
  "key_numbers": "информация из других криптовалют улучшает прогноз RV биткоина (уровень абстракта/методики)",
  "verdict": "Кросс-активная информация — полезный признак для RV; не прочитан в полном объёме",
  "implementable": "Да как признак (RV других пар)"
 },
 {
  "title": "Testing the Martingale Hypothesis in Cryptocurrency Returns (nested MSPE inference, purged walk-forward, multiple-testing control)",
  "authors": "repo ITheClixs/crypto-return-predictability (grey literature, воспроизводимый код)",
  "year": 2026,
  "url": "https://github.com/ITheClixs/crypto-return-predictability",
  "doi": null,
  "horizon": "1 и 7 дней (не 5м)",
  "data": "BTC, ETH, SOL; 23.07.2020-17.07.2026; purged и embargoed walk-forward CV",
  "costs_assumed": "net Sharpe с бутстрап-интервалами (издержки учтены)",
  "key_numbers": "Diebold-Mariano отвергает В ПОЛЬЗУ random walk в 7 из 18 настроек и НИКОГДА в пользу модели; Clark-West: 5 из 18 на 5% (ожидалось 0.9); после FDR остаётся 2, после контроля FWER — 0; OOS R2 = -0.0079 и +0.0031; net Sharpe 0.51 и 0.33 с интервалами [-0.18;1.23] и [-0.35;1.02]; значимого sign-timing навыка нет; высокие Sharpe — замаскированный long-only",
  "verdict": "Направление/знак не предсказуются с точностью, покрывающей издержки. Подтверждает: предсказуемая размерность — волатильность, а не доходность",
  "implementable": "Да как методический протокол приёмки (DM+Clark-West+FDR/FWER, бутстрап net Sharpe)"
 },
 {
  "title": "The Hurst Exponent Lied to Us",
  "authors": "Curupira (инженерный блог, февраль 2026)",
  "year": 2026,
  "url": "https://curupira.dev/blog/hurst-exponents-mean-reversion-forex",
  "doi": null,
  "horizon": "крипта, часовые бары",
  "data": "крипто-пары, R/S Hurst с окном 100 баров",
  "costs_assumed": "не применимо",
  "key_numbers": "R/S Hurst с окном 100 баров даёт H>0.6 на 100% баров ⇒ как переключатель режима бесполезен (вырожденный индикатор)",
  "verdict": "Наивный порог Hurst>0.5 как 'тренд-гейт' не работает; использовать нельзя",
  "implementable": "Нет (отрицательный результат; полезен как предупреждение)"
 },
 {
  "title": "Anti-Persistent Values of the Hurst Exponent Anticipate Mean Reversion in Pairs Trading: The Cryptocurrencies Market as a Case Study",
  "authors": "Mar Grande; Florentino Borondo; Juan Carlos Losada; Javier Borondo",
  "year": 2024,
  "url": "https://www.mdpi.com/2227-7390/12/18/2911",
  "doi": "10.3390/math12182911",
  "horizon": "внутридневной/дневной (pairs trading)",
  "data": "криптовалютные пары",
  "costs_assumed": "не моделируются",
  "key_numbers": "антиперсистентные значения Hurst предвосхищают возврат к среднему и позволяют находить возможности в pairs-торговле",
  "verdict": "Hurst имеет смысл только в антиперсистентную сторону (MR-режим), не как гейт тренда",
  "implementable": "Да как гейт для MR-правил (проверять антиперсистентность, а не H>0.5)"
 },
 {
  "title": "Predicting the Volatility of Cryptocurrencies' Returns Using High-Frequency Data: A Comparative Analysis of GARCH, EGARCH, IGARCH, GJR-GARCH, LRE, and HAR Models",
  "authors": "Abdulrahman Alsamaani; Huda Aldhahi",
  "year": 2026,
  "url": "https://www.mdpi.com/2227-7072/14/4/90",
  "doi": "10.3390/ijfs14040090",
  "horizon": "несколько горизонтов, high-frequency intraday данные",
  "data": "12 доминирующих и менее доминирующих криптовалют",
  "costs_assumed": "не моделируются",
  "key_numbers": "ПОЛНЫЙ ТЕКСТ НЕ ПРОЧИТАН: MDPI отдаёт 403/Cloudflare через curl, r.jina.ai, firecrawl и браузер. Доступен только уровень абстракта: сравнение шести моделей (GARCH, EGARCH, IGARCH, GJR-GARCH, LRE, HAR) на высокочастотных данных",
  "verdict": "Цитируется как заявка на сравнение GARCH-семейства и HAR на 5-мин данных крипты, но выводы нами не верифицированы",
  "implementable": "Только как ссылка; требует повторной попытки доступа"
 },
 {
  "title": "Comparing Daily Volatility Proxies for Cryptocurrency Forecasting Under a Unified Intraday Construction Framework",
  "authors": "(Mathematics MDPI 14(10):1728, 18.05.2026)",
  "year": 2026,
  "url": "https://www.mdpi.com/2227-7390/14/10/1728",
  "doi": "10.3390/math14101728",
  "horizon": "1, 7 и 30 дней (прямые HAR-модели)",
  "data": "крипта, единый Binance-пайплайн внутридневных данных",
  "costs_assumed": "не моделируются (QLIKE и log-scale MSE)",
  "key_numbers": "нет универсального победителя: calendar-boundary-augmented realized variance лучший по QLIKE на всех горизонтах; realized-range прокси лучший по log-MSE и стабильнее месяц-к-месяцу; классические Garman-Klass и Parkinson НЕ конкурентны; ранжирование зависит от функции потерь и рыночных условий",
  "verdict": "Выбор цели прогноза (proxy) — содержательное решение, а не деталь: ранжирование моделей зависит от loss-функции. Для нас: фиксировать QLIKE и RV-прокси заранее",
  "implementable": "Да как методическое требование к валидации σ̂"
 },
 {
  "title": "Time-of-day periodicities of trading volume and volatility in Bitcoin exchange: Does the stock market matter?",
  "authors": "J.-N. Wang; H.-C. Liu; Y.-T. Hsu (Finance Research Letters 34:101243, 2020) — вторичная ссылка, полный текст не читался",
  "year": 2020,
  "url": "https://www.sciencedirect.com/science/article/abs/pii/S1544612319301904",
  "doi": "10.1016/j.frl.2019.101243",
  "horizon": "часовые данные",
  "data": "Bitstamp, BTC; сопоставление с часами работы фондовых рынков",
  "costs_assumed": "не моделируются",
  "key_numbers": "объём и волатильность существенно выше в будни, чем в выходные; паттерны следуют времени суток домашних рынков бирж (цитируется в arXiv 2109.12142)",
  "verdict": "Подтверждает недельную и суточную периодичность; прочитано через вторичный источник",
  "implementable": "Частично (как подтверждение для R5)"
 },
 {
  "title": "Bitcoin Liquidity by Hour: Volume, Depth, Spread",
  "authors": "Quantumflow (отраслевой обзор, 2026)",
  "year": 2026,
  "url": "https://quantumflow.tech/learn/crypto-liquidity-by-hour",
  "doi": null,
  "horizon": "часовые срезы по времени суток",
  "data": "BTC-перпетуалы Binance",
  "costs_assumed": "обсуждаются спреды/глубина, но без полного учёта комиссий",
  "key_numbers": "по будням объём максимален в 14:00 и 15:00 UTC — 2.72x и 2.61x от медианы дня; самые объёмные часы не самые глубокие",
  "verdict": "Практик-источник, согласуется с академическим arXiv 2109.12142; используется только как перекрёстная проверка",
  "implementable": "Да как ориентир по окну входа (12:00-18:00 UTC)"
 }
]