unCoded

Лаборатория вероятностей

Калькулятор вероятностей для криптовалют

Реальные шансы для любой ценовой цели в криптовалютах, посчитанные методом Монте-Карло. Вопрос может быть любым: закроется ли биткоин, эфириум или альткоин выше уровня, удержится ли в диапазоне, коснется ли заданной цены до крайнего срока, дойдет ли до цели раньше стопа. Работает целиком в вашем браузере, без регистрации.

Быстрый выбор

Настройка

Используется 45,0% годовых (ручной режим, данных нет).

50/50
+Настройки модели

Нужны максимумы и минимумы. Текущий источник данных дает только цены закрытия.

По умолчанию ноль, и это сделано намеренно. Заложить направление заранее - верный способ превратить инструмент вероятностей в принятие желаемого за действительное.

То же зерно, те же траектории. Поменяйте его, чтобы увидеть, какая часть ответа - это шум симуляции.

+Сравнение с рыночной ценой

Если этот исход котируется на рынке предсказаний или через опцион, введите его цену здесь. Инструмент скажет, достаточно ли велико расхождение модели с рынком, чтобы оно имело значение.

Сколько рынок берет за этот исход, в пересчете на вероятность.

Ниже этого порога инструмент сообщает, что преимущества нет. Модель недостаточно точна, чтобы спорить о мелких различиях.

Необязательно. Используется только для того, чтобы превратить долю Келли в размер ставки.

Живые данные сейчас недоступны. Калькулятор все равно работает: задайте текущую цену и волатильность сами, и каждое число ниже останется корректным.

Куда может пойти цена
Симулированные траектории цены, с закрашенными центральными 50% и 90%. Веер расширяется как квадратный корень из времени: поэтому вероятность дойти до цели, которая вдвое дальше, намного меньше половины от вероятности для ближней цели.

Результат

Вероятность
25,2 %
От 24,6 % до 25,8 % (разброс между методами)

Вероятность того, что Bitcoin закроется выше $125 000 в течение 7 дней (волатильность 45%, ручной режим, данных нет).

Что говорит каждый метод
Формула
24,6 %
Монте-Карло
25,8 %
История
--
Расхождение
1,2 pp
Насколько методы расходятся между собой. Это и есть честная оценка неопределенности.

Сводка по сделке

Расстояние до цели
+4,2 % (0,67σ)
Ожидаемое движение (1σ)
±7 478
Полоса 1σ
112 522 - 127 478
Требуемая доходность до цели
212,9 %

Движение, которое требуется вашей цели, в пересчете на год, чтобы неделя и год оказались на одной шкале. Читайте его на фоне того, что этот актив в действительности приносил: если вашей цели нужно в несколько раз больше, то вероятности выше - это арифметика, а не прогноз.

Вероятность на +1 пункт волатильности
+0,4 pp
Вероятность на +1 день
+1,3 pp

Одна лишь вероятность не задает размер позиции. Первым делом читайте расстояние до цели в сигмах: меньше одной сигмы - обычное движение, дальше двух - редкое. Две чувствительности показывают, насколько ваш ответ держится на числах, которые вы оценили, а не прочитали.

Распределение к крайнему сроку
Где оказывается цена по всем симулированным траекториям. Закрашенная часть - это тот исход, о котором вы спросили.

Риск удержания позиции

Value at Risk 95%
9,9 %
Expected Shortfall 95%
12,1 %
Value at Risk 99%
13,5 %
Expected Shortfall 99%
15,1 %
Логнормальная формула
9,9 %
Медианная просадка
5,9 %
Худшая просадка (90-й перцентиль)
11,0 %
Просадка глубже 10%
13,5 %
Просадка глубже 20%
0,0 %
Просадка глубже 30%
0,0 %
Траектории, закрывшиеся ниже входа
50,7 %
Траектории Монте-Карло
3 000

Value at Risk - это убыток, который вы превышаете только в худших случаях: в худших 5% на уровне 95 и в худшем 1% на уровне 99. Expected Shortfall - это средний убыток по этим случаям, и именно это число имеет значение, потому что оно говорит, насколько плохими плохие дни оказываются на самом деле.

Как меняется ответ
Вероятность при разных значениях волатильности. Крутая линия означает, что ваш ответ сильно зависит от числа, которое вы всего лишь оценили.
Лестница вероятностей
Тот же вопрос, заданный на уровнях от 40% ниже цены до 50% выше нее. Линия модели - это формула, линия истории - то, как часто у этого актива так выходило на самом деле. Там, где они расходятся, модель закладывает то, чего прошлое не подтверждает.

Волатильность

Использовано для этого ответа
45 %
ручной режим, данных нет

Была ли эта модель права раньше?

Для этого вопроса калибровки нет. Коридор и гонка решаются всей траекторией, а walk-forward тест оценивает только те вопросы, которые можно решить по одной цене закрытия. К тому же короткая история дает слишком мало независимых случаев, чтобы их оценить.

Что на самом деле делает калькулятор вероятностей для криптовалют

Большинство инструментов, которые называют себя криптокалькулятором, считают только прибыль и убыток: вы вводите цену покупки и цену продажи, а на выходе получаете доходность. Здесь инструмент другой. Калькулятор вероятностей для криптовалют отвечает на вопрос, который возникает раньше любой сделки: насколько вообще вероятно это движение? Задайте целевую цену и крайний срок, и калькулятор вернет вероятность, опирающуюся на то, насколько сильно актив на самом деле движется, а не на чье-либо мнение о направлении. Направление задаете вы. Вероятность вы получаете на выходе.

Особенно важно это тогда, когда рынок уже котирует цену по тому же самому вопросу. Рынок предсказаний по биткоину, по которому предусмотрена выплата, если BTC преодолеет уровень к пятнице, тем самым котирует подразумеваемую вероятность. Этот калькулятор дает вам независимое второе мнение, исходя из волатильности самого актива, а затем показывает расхождение с рынком и то, остается ли оно после торговых издержек. Это та же дисциплина, которую трейдинговый деск применяет к котировке опциона, только в форме, которую любой может запустить в браузере.

При загрузке страницы уже выбран вопрос, ради которого сюда приходит большинство: круглая целевая цена чуть выше текущей цены и закрытие выше нее в течение одной недели. Смените актив, и цель пересчитается автоматически. Смените цель, временной горизонт или тип вопроса, и дальше калькулятор сохранит ваш выбор.

Как считается вероятность

Первая модель - логнормальный подход, заимствованный из ценообразования опционов: тот самый член N(d2), знакомый по модели Блэка-Шоулза. Она берет текущую цену, вашу цель, оставшееся время и годовую волатильность и возвращает вероятность того, что цена закроется за пределами цели при нулевом дрейфе. Волатильность измеряется по живым дневным закрытиям как стандартное отклонение логарифмических доходностей и приводится к годовому виду через корень из 365, потому что крипта торгуется каждый день в году.

Вторая модель обходится без теории. Она просматривает исторические данные и считает, как часто актив на самом деле проходил нужное расстояние в пределах вашего горизонта. Если биткоину нужно вырасти на 8 процентов за 30 дней, инструмент проверяет каждое 30-дневное окно в периоде истории (lookback) и показывает долю попаданий. Окна перекрываются, поэтому выборки не полностью независимы: рядом с этой цифрой показаны эффективное число неперекрывающихся блоков и 95-процентный интервал Уилсона.

Третий движок - симуляция Монте-Карло, которая шаг за шагом генерирует тысячи траекторий цены биткоина или альткоина: тот же подход к моделированию, каким количественные аналитики строят распределение вероятностей будущих цен. На простых вопросах он совпадает с аналитической формулой, и это полезная самопроверка, но он умеет и то, чего формулы не могут: траектории с тяжелыми хвостами, вопросы «Касание» при тяжелых хвостах и полный ценовой конус (веер возможных будущих цен), который вы видите наверху. Одна тонкость, которую стоит знать: опция тяжелых хвостов применяет распределение Стьюдента к доходности за весь горизонт целиком, тогда как движок Монте-Карло применяет тяжелые хвосты к каждому шагу, а множество шагов с тяжелыми хвостами в сумме стремится к нормальной форме. На длинных горизонтах эти два подхода могут закономерно расходиться, и это расхождение - еще одна честная мера модельного риска. Итоговое число - медиана трех движков. Важно понимать, что это значит: для вопросов о закрытии, «Диапазон», «Коридор» и «Касание» аналитическая формула и Монте-Карло оценивают одну и ту же величину и совпадают с точностью до шума симуляции, поэтому медиана равна значению модели, а Монте-Карло служит в основном численной самопроверкой; историческая доля попаданий - это независимый ориентир, взятый из реальности, а разброс между самым высоким и самым низким движком показывается как расхождение. Только у вопроса «Гонка» (цель раньше стопа), у которого аналитической формулы нет, симуляция и история задают итоговое число напрямую. Большое расхождение - это информация, но читайте его осторожно: в направленной ставке на длинном горизонте часть разрыва между моделью и историей - это собственный реализованный дрейф актива и его режим волатильности, а не одна лишь модельная неопределенность.

Закрытие, Диапазон и Касание

У этих вопросов есть точные названия в торговле опционами, и этот калькулятор переносит их в крипту. Вопрос о закрытии - это вероятность истечения «в деньгах» или «вне денег» (probability ITM/OTM), то есть вероятность того, что цена окажется выше или ниже уровня ровно на момент крайнего срока. Вопрос «Касание» - это вероятность касания (POT), то есть дойдет ли цена до уровня в какой-либо момент до крайнего срока, даже если потом откатится назад. Эти две вещи не взаимозаменяемы. Вероятность касания всегда выше, а для барьера рядом со спотовой ценой она почти вдвое превышает вероятность закрытия, потому что цене достаточно дойти туда один раз. Для вопросов «Касание» инструмент использует формулу первого прохождения для геометрического броуновского движения, поэтому рынок с вопросом «достигнет ли биткоин 130k на этой неделе» получает верный ответ, а не гораздо более низкую вероятность закрытия. При включенных тяжелых хвостах случай касания напрямую обрабатывает движок Монте-Карло.

Вопрос «Диапазон» - это разность двух вероятностей закрытия, удобная для распространенной рыночной формулировки «окажется ли цена между X и Y на момент расчета».

Подразумеваемая волатильность и справедливая цена

Когда вы вводите рыночную цену, инструмент решает модель в обратную сторону и находит подразумеваемую волатильность (IV) - ту единственную волатильность, при которой модель согласуется с этой ценой. Это меняет всю постановку вопроса. Вместо спора о вероятности вы сравниваете две волатильности: ту, которую рынок закладывает в цену, и ту, которую актив на самом деле выдал. Если недельный контракт оценен так, будто годовая волатильность равна 90 процентам, тогда как биткоин реализует 50, контракт дорогой, и модельная вероятность оказывается ниже рыночной цены. Блок справедливой цены и математического ожидания переводит это расхождение в деньги: модельная цена в центах, ожидаемая прибыль на контракт после издержек и доходность на вложенную сумму.

Вероятность не всегда монотонна по волатильности, поэтому решатель просматривает весь диапазон волатильности и честно сообщает, когда одну и ту же цену воспроизводят две разные волатильности или когда рыночную цену не воспроизводит вообще никакая волатильность. Цена выше модельного потолка означает, что рынок платит за то, чего в чистой диффузии нет: за мнение о направлении или за риск скачка. Инструмент так и говорит, вместо того чтобы выдавливать из себя число.

Профессиональный слой

Серьезные трейдинговые дески не измеряют волатильность по одним только ценам закрытия. В дневной свече четыре цены, и оценки на основе диапазона извлекают из них гораздо больше информации: Паркинсон использует размах между максимумом и минимумом, Гарман-Класс и Роджерс-Сатчелл берут весь набор OHLC, а Янг-Чжан объединяет ночную компоненту, компоненту от открытия к закрытию и компоненту диапазона в самую эффективную несмещенную оценку этого семейства, в несколько раз точнее, чем оценка по закрытиям на том же окне. Выпадающий список оценок переключает окна 30d, 90d и Blend на эти меры всякий раз, когда загружены свечи Binance.

Вторая профессиональная привычка - относиться к волатильности как к прогнозу, а не как к моментальному снимку. Волатильность кластеризуется и возвращается к среднему, поэтому правильное значение на входе для вопроса на 30 дней - это ожидаемая средняя волатильность за эти 30 дней, а не сегодняшнее показание. Режим GARCH(1,1) подгоняет стандартную модель дисперсии к загруженной истории с таргетированием дисперсии и выдает ровно такой прогноз на горизонт, а вместе с ним долгосрочный уровень, персистентность и период полураспада шока волатильности. Когда текущая волатильность повышена, число GARCH на горизонте оказывается ниже текущего показания, а когда волатильность подавлена, оно оказывается выше. Строка конуса волатильности показывает, какое место сегодняшняя волатильность занимает относительно собственной истории, а необязательный переключатель отношения дисперсий корректирует масштабирование по корню из времени с учетом измеренного возврата к среднему или моментума в многодневных доходностях.

Третье дополнение - фильтрованная историческая симуляция, метод, которым банки считают стоимость под риском (VaR). Вместо того чтобы предполагать нормальную форму или форму Стьюдента, режим «История» делит каждую прошлую доходность на ее собственную волатильность на тот момент, затем заново формирует выборку из этих стандартизованных остатков и перемасштабирует их к текущему уровню волатильности. Смоделированные траектории цены несут реальную асимметрию и вес хвостов актива при сегодняшнем уровне риска. Вопросы «Касание» в историческом движке тоже стали честнее: доля попаданий теперь проверяет дневные максимумы и минимумы, а не закрытия, поэтому внутридневные касания засчитываются. Итоговое число - медиана трех движков, а разброс между ними показывает, насколько под вопросом сам метод. Этот разброс не является тем порогом, который должно преодолеть статистическое преимущество, хотя использовать его так и заманчиво. Вместо этого порог задает полоса погрешности оценки волатильности, потому что три движка расходятся еще и в дрейфе, а дрейф - это допущение, которое задали вы, а не то, что вам сообщил рынок.

Коридор, Гонка и риск скачков

Версия 2 добавляет три вопроса и один источник риска, который исходные движки выразить не могли. Вопрос «Коридор» спрашивает, останется ли цена внутри полосы все время, ни разу не коснувшись ни одной из границ: это double no-touch из валютной экзотики. Это совсем не то же самое, что закрытие внутри той же полосы: при волатильности 60 процентов полоса, внутри которой биткоин закрывается в двух третях случаев, выдерживается от начала до конца едва ли в трети случаев. Инструмент оценивает ее с помощью разложения по методу изображений для двойного барьера (та же математика, что и в результате Кунитомо и Икеды о криволинейных границах), с перекрестной проверкой по траекториям Монте-Карло и по историческим данным о целых окнах, которые ни разу не вышли из полосы.

Гонка «A раньше B» - это настоящий вопрос трейдера: коснется ли цена тейк-профита раньше стоп-лосса и уложится ли при этом в крайний срок. Рынки предсказаний котируют ровно такую форму. Простой аналитической формулы с крайним сроком не существует, поэтому движок Монте-Карло отвечает на этот вопрос траектория за траекторией, побеждает тот барьер, которого цена коснулась первым, исторический движок переигрывает каждое прошлое окно по дневным максимумам и минимумам, а классическая формула разорения игрока дает предельный случай без крайнего срока в качестве якоря. В выводе также показано, как часто гонка вообще решается до того, как истечет время, и медианное время до развязки.

Распределение скачкообразной диффузии (Мертон, 1976) признает, что крипта ходит гэпами. Бипауэрная вариация делит измеренную дисперсию на гладкую диффузионную часть и разрывную часть (Барндорфф-Нильсен и Шепард, 2004), детектор на 4 сигмы по доходностям, нормированным на волатильность, считает скачки и оценивает их размер, а вероятность закрытия становится пуассоновской смесью гауссиан. Для далекой цели с коротким крайним сроком, где единственный скачок - это главный способ до нее добраться, модель со скачками и гладкие модели расходятся, и это расхождение и есть та самая премия за риск скачка, которую закладывают в цену опционные дески. Вопросы «Касание» при включенных скачках уходят к движку Монте-Карло, который подбрасывает в каждую траекторию составные пуассоновские скачки.

Риск и то, заслуживает ли модель своих вероятностей

Одна лишь вероятность не описывает, что позиция может сделать с вами по пути. Панель риска считывает стоимость под риском (VaR) и ожидаемые потери в хвосте на уровнях 95 и 99 процентов прямо со смоделированного конечного распределения: это когерентная мера риска Артцнера и соавт. (1999) ровно в той форме, которую сделали стандартом Рокафеллар и Урясев (2000). Рядом стоит вероятность получить просадку в 10, 20 или 30 процентов в какой-либо момент до крайнего срока, которую аналитические формулы увидеть не могут, потому что это свойство траектории. Все это берется из тех же траекторий, что и итоговая вероятность, поэтому числа не могут незаметно разойтись между собой.

Калибровочный бэктест - это та функция, перед которой отчитывается весь остальной инструмент. Он переигрывает ваш вопрос ровно в том же виде, с тем же относительным расстоянием и тем же горизонтом, на каждой дате загруженной истории, формирует вероятность только по тем данным, которые были доступны на эту дату, и оценивает прогнозы с помощью оценки Брайера (Брайер, 1950), строго правильного правила оценивания для вероятностей (Гнейтинг и Рафтери, 2007). Панель показывает оценку Брайера для модели против стратегии «всегда называть базовую частоту», получившийся процент прогностической ценности (skill) и таблицу надежности по интервалам прогноза. Когда у модели нет прогностической ценности на вашем вопросе, панель так и говорит, и честная реакция - расширить свою неопределенность, а не доверять итоговому числу сильнее. Сама историческая доля попаданий теперь снабжена доверительным интервалом Уилсона (Уилсон, 1927), биномиальным интервалом, который корректно ведет себя при малых эффективных размерах выборки, посчитанным по неперекрывающимся блокам.

Наконец, у итоговой вероятности есть собственная полоса погрешности. Волатильность, оцененная по тридцати свечам, неточна, эта неточность распространяется на любую вычисленную из нее вероятность, и сводка по сделке теперь показывает получившуюся 95-процентную полосу вокруг самой вероятности. Это не доверительный интервал вокруг итогового числа: итоговое число - медиана нескольких движков, и оно может оказаться за пределами этой полосы. Если это так, движки спорят не только о волатильности. Индекс хвоста Хилла (Хилл, 1975), измеренный по загруженным доходностям, находится ниже, в панели диагностики, где он заодно называет число степеней свободы, которое следует задать в вашей настройке тяжелых хвостов, чтобы вы видели, соответствует ли эта настройка фактическому хвосту актива. Для биткоина и эфира строка диагностики дополнительно подтягивает индекс DVOL с Deribit, собственную 30-дневную подразумеваемую волатильность опционного рынка, лучший из внешних ориентиров для проверки того, находится ли введенная вами волатильность в разумных пределах (Кристенсен и Прабхала, 1998).

Почему «преимущества нет» это ответ по умолчанию

Проверка на статистическое преимущество намеренно строгая. Инструмент отмечает преимущество только тогда, когда разрыв между серединой оценок моделей и рыночной ценой одновременно перекрывает и торговые издержки, и расхождение между его собственными моделями. Во всех остальных случаях ответ такой: преимущества нет, потому что для большинства ликвидных рынков большую часть времени это и есть правдивый ответ. Цены рынков предсказаний агрегируют мнения, за которыми стоят реальные деньги, и в среднем цена близка к вероятности. Инструмент, который находит сделку на каждом рынке, производит сигналы, а не занимается анализом. Этот построен так, чтобы говорить «нет».

Если нужен более сильный ориентир, чем реализованная волатильность (RV), введите подразумеваемую волатильность (IV) опционов Deribit с близкой датой экспирации в поле ручной волатильности и включите тяжелые хвосты. Если аналитическая формула и историческая доля попаданий резко расходятся на экстремальной цели, тяжелые хвосты обычно сокращают разрыв, и это намек на то, что ошибочным было именно нормальное распределение.

Три уточнения из исследований

Модель хвостов подстраивается под временной горизонт. Доходности биткоина имеют крайне тяжелые хвосты на часах и днях, но на неделях и месяцах агрегируются к нормальной форме, это свойство называют агрегационной гауссовостью. При включенной автоматической настройке число степеней свободы для тяжелых хвостов масштабируется вместе с крайним сроком: у вопроса на семь дней хвосты тяжелее, чем у вопроса на девяносто дней, и это соответствует измеренному хвостовому индексу, а не одному фиксированному предположению. Поле показывает используемое значение по мере того, как вы меняете горизонт.

Эффект левериджа доступен как переключатель. Криптовалюты, как и акции, склонны падать быстрее, чем расти, и эта асимметрия измерима на доходностях биткоина. Включение добавляет в симуляцию и в аналитическую формулу отрицательную асимметрию, отмасштабированную по горизонту, поэтому вопросы «Закрытие ниже» и «Касание вниз» получают тот дополнительный вес риска снижения, которого они заслуживают, а ценовой конус раскрывается вниз от спота шире, чем вверх. По умолчанию переключатель выключен, потому что это модельное суждение, а не установленный факт, но для риска снижения он является более реалистичной настройкой по умолчанию.

У оценки волатильности есть доверительный интервал. Значение волатильности, снятое с тридцати свечей, само по себе неточно, а оценщики на основе диапазона, такие как оценщик Янга-Чжана, извлекают из каждой свечи гораздо больше информации, чем измерение по закрытиям. Сводка по сделке теперь показывает 95-процентную полосу вокруг оценки волатильности и то, насколько выбранный оценщик точнее измерения по закрытиям, так что вы видите, насколько сильно вероятность опирается на шаткое значение волатильности на входе.

Как читать эти числа глазами трейдера

Одна лишь вероятность не задает размер позиции. Сводка по сделке превращает вероятности в те цифры, на основании которых трейдер реально принимает решения. Ожидаемое движение это диапазон в одно стандартное отклонение на выбранном горизонте, полоса, внутри которой цена остается примерно два раза из трех; она нанесена прямо на ценовой конус как линии плюс и минус одна сигма. Расстояние до цели в сигмах сразу показывает, рядовое это движение или событие из хвоста: меньше одной сигмы это обычное дело, дальше двух сигм это редкость. Подразумеваемая доходность для достижения цели переводит требуемое движение в годовые проценты, поэтому неделя и год оказываются на одной шкале; читайте ее на фоне того, что этот актив в действительности приносил, и цель, требующая в несколько раз больше, - это арифметика, а не прогноз. Чувствительности на один пункт волатильности и на один день показывают, насколько вероятность уязвима к вашим собственным допущениям, и именно здесь большинство оценок вероятности незаметно ломается, а сразу под ними сводка сообщает, насколько вообще известна сама волатильность: ее собственную 95-процентную полосу погрешности, насколько ваш метод оценки уже, чем расчет по ценам закрытия, и во сколько пунктов вероятности обходится эта неопределенность.

Когда есть рыночная цена, блок справедливой цены добавляет соотношение риска к прибыли и безубыточную долю выигрышей, два числа, которые решают, стоит ли положительное математическое ожидание той дисперсии, которая с ним идет. Контракт может быть дешевым и все равно оставаться плохой сделкой, если прибыль мала относительно риска, и может выглядеть дорогим, но окупаться, потому что прибыль велика. Читать вероятность, соотношение риска к прибыли и математическое ожидание вместе - в этом и состоит вся дисциплина.

Симулятор Монте-Карло для цен на криптовалюты

Под капотом это симуляция Монте-Карло для биткоина, и она работает для любой монеты. Инструмент считывает актуальную волатильность актива, а затем генерирует тысячи будущих траекторий цены в рамках геометрического броуновского движения, с опциональной формой доходностей с тяжелыми хвостами или исторической. Результат это полное распределение вероятностей того, где цена может оказаться к вашему крайнему сроку, отрисованное как расходящийся ценовой конус, то есть веер возможных цен, с полосами перцентилей от 5 до 95 и от 25 до 75. В отличие от точечного прогноза, который называет одно число, симуляция Монте-Карло показывает весь разброс исходов и то, как быстро он расширяется со временем, а это честный способ думать о волатильном активе. Вы выбираете число траекторий, от быстрой тысячи до сглаженных двадцати тысяч, а фиксированное зерно генератора делает любой результат, которым вы поделились, воспроизводимым.

Инструмент справедливой цены и преимущества для рынков предсказаний

Если вы торгуете вопросами про биткоин на рынке предсказаний, например контрактом «Да или Нет» на то, пробьет ли BTC уровень к пятнице, этот инструмент работает еще и как калькулятор справедливой цены и математического ожидания. Введите рыночную цену, и инструмент извлечет из нее подразумеваемую волатильность, сравнит ее с тем, что актив реализует на самом деле, и покажет справедливую цену в центах, математическое ожидание на один контракт после издержек и размер позиции по Келли. Преимущество отмечается только тогда, когда разрыв перекрывает и торговые издержки, и расхождение между его собственными моделями, поэтому «нет» звучит намного чаще, чем «да». В этом и смысл: честная проверка преимущества, а не генератор сигналов.

Что можно измерить

Калькулятор охватывает те ценовые вопросы, которые трейдеры и участники рынков предсказаний действительно задают. Закроется ли биткоин выше круглого числа к концу месяца. Останется ли Ethereum внутри диапазона до экспирации. Насколько вероятно, что Solana, BNB, XRP или Dogecoin коснется уровня в какой-либо момент на этой неделе. Через поле произвольного символа работает любая спотовая пара Binance, так что до малоликвидного альткоина - всего один ввод. Текущая цена и волатильность загружаются автоматически, либо вы можете ввести свои числа и работать полностью вручную.

Вводить ничего даже не обязательно: кнопки быстрого выбора над калькулятором в один клик настраивают самые частые варианты этих вопросов относительно актуальной цены, а встроенный в эту страницу API для агентов открывает доступ к каждому стоящему за ними движку, так что ассистент может получить полную картину программно, а не считывать ее с экрана.

Инструмент создан и поддерживается unCoded, самостоятельно размещаемым некастодиальным торговым ботом для криптовалют от швейцарской компании ArrowTrade AG. Если вы хотите превратить вероятностное преимущество в автоматизированную стратегию, начните с документации. Сам инструмент остается бесплатным и не требует аккаунта.

Наука, стоящая за инструментом

Каждый метод здесь это опубликованный результат из рецензируемой литературы или стандартный численный справочник, а не проприетарный черный ящик. Каждая запись ниже связывает конкретную функцию калькулятора с ее первоисточником, так что числа можно проследить до их оснований.

Ссылки ведут на официального издателя или на канонический DOI. Калькулятор реализует стандартные, хорошо устоявшиеся формы этих методов и является образовательным инструментом, а не заявкой на новое научное исследование. Модели упрощают реальность, и никакая оценка вероятности не устраняет рыночный риск.

Black, F. and Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637 to 654. doi:10.1086/260062
Лежит в основе логнормальной модели: вероятность N(d2) того, что цена закроется за пределами цели.
Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917 to 926. doi:10.1002/j.1538-7305.1956.tb03809.x
Критерий Келли, стоящий за панелью размера позиции; всегда показывается как доля от полной ставки, чтобы учесть ошибку оценки.
Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307 to 327. doi:10.1016/0304-4076(86)90063-1
Режим волатильности GARCH(1,1): прогнозирует среднюю волатильность на вашем горизонте вместо того, чтобы брать сегодняшнее значение.
Parkinson, M. (1980). The Extreme Value Method for Estimating the Variance of the Rate of Return. Journal of Business, 53(1), 61 to 65. doi:10.1086/296071
Оценщик волатильности Паркинсона по максимуму и минимуму, первый из предлагаемых оценщиков на основе диапазона.
Garman, M. B. and Klass, M. J. (1980). On the Estimation of Security Price Volatilities from Historical Data. Journal of Business, 53(1), 67 to 78. doi:10.1086/296072
Оценщик волатильности Гармана-Класса по OHLC, доступный для окон 30d, 90d и смешанного.
Rogers, L. C. G. and Satchell, S. E. (1991). Estimating Variance from High, Low and Closing Prices. The Annals of Applied Probability, 1(4), 504 to 512. doi:10.1214/aoap/1177005835
Оценщик Роджерса-Сатчелла, устойчивый к дрейфу и являющийся составным элементом оценщика Янга-Чжана ниже.
Yang, D. and Zhang, Q. (2000). Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices. Journal of Business, 73(3), 477 to 492. doi:10.1086/209650
Оценщик Янга-Чжана, самый эффективный в семействе; используется как измерение на основе диапазона по умолчанию и в строке диагностики.
Barone-Adesi, G., Giannopoulos, K. and Vosper, L. (1999). VaR without Correlations for Portfolios of Derivative Securities. Journal of Futures Markets, 19(5), 583 to 602. doi:10.1002/(SICI)1096-9934(199908)19:5<583::AID-FUT5>3.0.CO;2-S
Фильтрованная историческая симуляция, метод, стоящий за распределением доходностей «Историческое», которое пересэмплирует собственные стандартизованные доходности актива.
Begusic, S., Kostanjcar, Z., Stanley, H. E. and Podobnik, B. (2018). Scaling Properties of Extreme Price Fluctuations in Bitcoin Markets. Physica A: Statistical Mechanics and its Applications, 510, 400 to 406. doi:10.1016/j.physa.2018.06.131
Измеряет для биткоина степенной показатель хвоста между 2 и 2,5, то есть тяжелее, чем примерно 3 у акций. Эмпирическая основа для опции тяжелых хвостов (распределение Стьюдента).
de Sousa Filho, F. N. M., Silva, J. N., Bertella, M. A. and Brigatti, E. (2021). The Leverage Effect and Other Stylized Facts Displayed by Bitcoin Returns. Brazilian Journal of Physics (2021). doi:10.1007/s13538-020-00846-8
Обосновывает два уточнения движка: масштабирование тяжести хвостов по горизонту (на более длинных горизонтах доходности агрегируются к нормальным) и эффект левериджа (отрицательные доходности повышают волатильность); на них построены автоматический подбор степеней свободы и переключатель левериджа.
Wolfers, J. and Zitzewitz, E. (2004). Prediction Markets. Journal of Economic Perspectives, 18(2), 107 to 126. doi:10.1257/0895330041371321
Свидетельства того, что цены ликвидных рынков предсказаний являются точными оценками вероятности; именно поэтому проверка преимущества относится к рыночной цене как к серьезному ориентиру.
Merton, R. C. (1976). Option Pricing When Underlying Stock Returns Are Discontinuous. Journal of Financial Economics, 3(1-2), 125 to 144. doi:10.1016/0304-405X(76)90022-2
Модель диффузии со скачками, стоящая за распределением «Скачки»: вероятности закрытия как пуассоновская смесь гауссиан, скачки в каждой траектории Монте-Карло.
Barndorff-Nielsen, O. E. and Shephard, N. (2004). Power and Bipower Variation with Stochastic Volatility and Jumps. Journal of Financial Econometrics, 2(1), 1 to 37. doi:10.1093/jjfinec/nbh001
Бипауэрная вариация (bipower variation), оценщик, который разделяет реализованную дисперсию на диффузионную и скачковую части; используется для оценки модели скачков по загруженной истории.
Kunitomo, N. and Ikeda, M. (1992). Pricing Options with Curved Boundaries. Mathematical Finance, 2(4), 275 to 298. doi:10.1111/j.1467-9965.1992.tb00033.x
Семейство разложений по методу изображений для двойного барьера, стоящее за вероятностью вопроса «Коридор» (двойное отсутствие касания, double no-touch).
Glosten, L. R., Jagannathan, R. and Runkle, D. E. (1993). On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. Journal of Finance, 48(5), 1779 to 1801. doi:10.1111/j.1540-6261.1993.tb05128.x
GJR-GARCH: асимметричная модель волатильности, подгоняемая параллельно с GARCH(1,1); используется для прогноза на горизонт, когда тест отношения правдоподобия говорит, что асимметрия реальна.
Artzner, P., Delbaen, F., Eber, J.-M. and Heath, D. (1999). Coherent Measures of Risk. Mathematical Finance, 9(3), 203 to 228. doi:10.1111/1467-9965.00068
Почему панель риска показывает ожидаемые потери (expected shortfall), а не только VaR: из этой пары именно ES является когерентной мерой риска.
Rockafellar, R. T. and Uryasev, S. (2000). Optimization of Conditional Value-at-Risk. Journal of Risk, 2(3), 21 to 41. doi:10.21314/JOR.2000.038
Стандартная формулировка CVaR / ожидаемых потерь (expected shortfall), вычисляемая в панели риска по смоделированному конечному распределению.
Brier, G. W. (1950). Verification of Forecasts Expressed in Terms of Probability. Monthly Weather Review, 78(1), 1 to 3. doi:10.1175/1520-0493(1950)078<0001:VOFEIT>2.0.CO;2
Оценка Брайера, основа панели бэктеста калибровки.
Gneiting, T. and Raftery, A. E. (2007). Strictly Proper Scoring Rules, Prediction, and Estimation. Journal of the American Statistical Association, 102(477), 359 to 378. doi:10.1198/016214506000001437
Почему строго правильное правило оценивания это верный способ судить о вероятностях модели и почему бэктест нельзя обыграть хеджированными, то есть подстрахованными к середине, прогнозами.
Wilson, E. B. (1927). Probable Inference, the Law of Succession, and Statistical Inference. Journal of the American Statistical Association, 22(158), 209 to 212. doi:10.1080/01621459.1927.10502953
Интервал Уилсона для исторической доли попаданий, вычисляемый по неперекрывающимся блокам; он заменяет простую нормальную стандартную ошибку.
Hill, B. M. (1975). A Simple General Approach to Inference About the Tail of a Distribution. The Annals of Statistics, 3(5), 1163 to 1174. doi:10.1214/aos/1176343247
Хвостовой индекс Хилла в панели диагностики, измеренный по загруженным доходностям; он же служит основанной на данных подсказкой для числа степеней свободы распределения Стьюдента.
Lo, A. W. and MacKinlay, A. C. (1988). Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test. Review of Financial Studies, 1(1), 41 to 66. doi:10.1093/rfs/1.1.41
Статистика отношения дисперсий, стоящая за опциональным переключателем масштабирования волатильности по горизонту и за показаниями диагностики.
Jarque, C. M. and Bera, A. K. (1980). Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals. Economics Letters, 6(3), 255 to 259. doi:10.1016/0165-1765(80)90024-5
Тест на нормальность в панели диагностики, который показывает, оправдана ли настройка «Нормальное» на загруженных данных.
Ljung, G. M. and Box, G. E. P. (1978). On a Measure of Lack of Fit in Time Series Models. Biometrika, 65(2), 297 to 303. doi:10.1093/biomet/65.2.297
Тест Льюнга-Бокса на доходностях и квадратах доходностей в панели диагностики: версия на квадратах доходностей и есть свидетельство кластеризации волатильности, которое оправдывает GARCH.
Christensen, B. J. and Prabhala, N. R. (1998). The Relation Between Implied and Realized Volatility. Journal of Financial Economics, 50(2), 125 to 150. doi:10.1016/S0304-405X(98)00034-8
Почему ориентир подразумеваемой волатильности опционов Deribit DVOL показан рядом с вашим вводом реализованной волатильности: подразумеваемая волатильность содержит реальную информацию о будущей реализованной волатильности.
Broadie, M., Glasserman, P. and Kou, S. (1997). A Continuity Correction for Discrete Barrier Options. Mathematical Finance, 7(4), 325 to 349. doi:10.1111/1467-9965.00035
Смещение из-за дискретного мониторинга при пересечении барьеров; Монте-Карло для режима «Гонка: цель раньше стопа» применяет поправку на непрерывность через броуновский мост, чтобы вероятность первого прохождения совпадала с непрерывным мониторингом при любом размере шага.
West, G. (2009). Better Approximations to Cumulative Normal Functions. Wilmott Magazine, 70 to 76.
Кумулятивное нормальное распределение с двойной точностью на основе алгоритма Харта, используемое повсюду; вероятности считываются напрямую как верхний хвост, поэтому вероятности глубоко вне денег сохраняют полную относительную точность вместо того, чтобы схлопываться в ноль.
Self, S. G. and Liang, K.-Y. (1987). Asymptotic Properties of Maximum Likelihood Estimators and Likelihood Ratio Tests Under Nonstandard Conditions. Journal of the American Statistical Association, 82(398), 605 to 610. doi:10.1080/01621459.1987.10478472
Поскольку член левериджа в GJR лежит на границе параметрического пространства, отношение правдоподобия GARCH против GJR проверяется по корректной половинной смеси распределений хи-квадрат, так что асимметричная модель не выбирается ни слишком часто, ни слишком редко.

Частые вопросы

Это вопросы, которые чаще всего задают о вероятностях в криптовалютах: что означает это число, откуда оно берется и где оно перестает быть полезным. Ответы здесь короткие. Обоснование - в разделах выше.

Может ли этот калькулятор предсказать, куда пойдет биткоин?
Нет. Он не прогнозирует направление. Он оценивает, насколько вероятно движение заданного размера за заданное время, исходя из того, насколько сильно актив колеблется на самом деле. Направление задаете вы, а вероятность вы получаете на выходе.
В чем разница между вопросом о закрытии и вопросом «Касание»?
Вопрос о закрытии спрашивает, где окажется цена на момент крайнего срока. Вопрос «Касание» спрашивает, дойдет ли цена до уровня в любой момент до крайнего срока. Вероятность касания всегда выше, для близкого барьера часто почти вдвое, потому что цене достаточно дойти туда всего один раз.
Что означает показатель подразумеваемой волатильности (IV)?
Это та волатильность, при которой модель согласилась бы с введенной вами рыночной ценой. Если рынок подразумевает намного более высокую волатильность, чем актив показывает на самом деле, контракт выглядит дорогим; если подразумеваемая волатильность ниже, то наоборот. Некоторые рыночные цены недостижимы ни при какой волатильности, а это значит, что рынок закладывает в цену мнение о направлении или риск скачка.
Какую настройку волатильности выбрать?
Разумное значение по умолчанию - это смесь реализованной волатильности за 30 и 90 дней. EWMA быстрее реагирует на смену режима. Для стресс-теста введите как ручную волатильность подразумеваемую волатильность опционов Deribit с похожей датой экспирации.
Какую меру волатильности используют профессионалы?
Для измерения - оценки на основе диапазона, например оценка Янга-Чжана по полным свечам OHLC, а для временного горизонта - прогноз в стиле GARCH, потому что волатильность кластеризуется и возвращается к среднему. Этот инструмент предлагает и то, и другое, плюс фильтрованную историческую симуляцию, чтобы смоделированные траектории цены несли реальную форму распределения доходностей актива.
Почему инструмент так часто говорит, что преимущества нет?
Потому что обычно это правда. Ликвидные рынки предсказаний собирают мнения, подкрепленные реальными деньгами, и в среднем цена близка к вероятности. Инструмент отмечает статистическое преимущество только тогда, когда разрыв перекрывает торговые издержки и расхождение между его собственными моделями.
Этот калькулятор вероятностей для криптовалют бесплатный?
Да, полностью бесплатный, и он работает целиком в вашем браузере, без аккаунта. Актуальная цена и волатильность берутся из публичных данных Binance с запасным источником CoinGecko, и ничто из введенного вами не покидает ваше устройство.
Какие монеты он поддерживает?
Bitcoin, Ethereum, Solana, BNB, XRP и Dogecoin доступны в один клик, а любая другая спотовая пара Binance работает через поле произвольного символа. Для актива, которого нет на Binance, вы можете ввести цену и волатильность вручную.
Это симулятор Монте-Карло для биткоина?
Да. Движок прогоняет симуляцию Монте-Карло из тысяч траекторий цены, построенных по актуальной волатильности, и показывает получившееся распределение вероятностей в виде ценового конуса, то есть веера возможных цен, который расширяется со временем. Он также сверяет результат с двумя моделями на аналитических формулах и с исторической долей попаданий, так что вы получаете симуляцию и аналитический ответ рядом друг с другом.
Что такое вероятность касания?
Вероятность касания (POT) - это вероятность того, что цена дойдет до уровня в любой момент до крайнего срока, даже если она там не закроется. Она всегда выше вероятности закрытия (на экспирации), для близкого уровня часто почти вдвое, потому что цене достаточно дойти туда всего один раз. Чтобы ее рассчитать, выберите «Касание вверх» или «Касание вниз».
Что такое вероятность коридора (double no-touch)?
Это вероятность того, что цена весь период остается внутри полосы и ни разу не касается ни одной из границ. Она всегда ниже вероятности закрытия внутри той же полосы на момент крайнего срока, часто во много раз, потому что цена должна выстоять в каждый момент между началом и концом. Инструмент считает ее по формуле двойного барьера и сверяет с траекториями Монте-Карло и с историей.
Может ли он сказать, какова вероятность достичь тейк-профита раньше стоп-лосса?
Да. Вопрос «Гонка: цель раньше стопа» сталкивает два уровня: это вероятность того, что цена коснется вашей цели раньше, чем коснется вашего стопа, и уложится в крайний срок. Ответ дают движок Монте-Карло и исторические данные, а для предельного случая без крайнего срока есть аналитическая формула. Рынки предсказаний часто котируют вопросы ровно такой формы.
Что такое модель скачкообразной диффузии?
Криптовалюта не только дрейфует, она еще и уходит разрывами. Модель скачкообразной диффузии Мертона делит измеренную дисперсию на гладкую диффузионную часть и дискретные скачки, используя бипауэрную вариацию (bipower variation) и детектор на 4 сигмы по загруженной истории, а затем оценивает вопрос как пуассоновскую смесь. Она дает более честную вероятность для далеких целей с короткими крайними сроками, где основной способ туда добраться - это один скачок.
Что здесь означают value at risk и expected shortfall?
Для обычной длинной позиции на вашем временном горизонте: value at risk (VaR 95) - это убыток, который позиция не превышает в 95 из 100 смоделированных исходов, а expected shortfall (ES) - это средний убыток в 5 худших. Инструмент считывает обе величины из тех же траекторий Монте-Карло, что и вероятность, вместе с вероятностью того, что просадка на 10, 20 или 30 процентов случится в какой-то момент до крайнего срока.
Откуда мне знать, что вероятности честные?
Бэктест калибровки проигрывает ваш вопрос ровно в том же виде по всей загруженной истории: на каждую прошлую дату он строит вероятность, используя только данные, доступные на тот момент, и оценивает прогнозы с помощью оценки Брайера, сравнивая с тем, что произошло на самом деле. Он показывает калибровку по интервалам вероятности и прогностическую ценность по сравнению с тем, чтобы всегда называть базовую частоту. Если у модели нет прогностической ценности на вашем вопросе, инструмент прямо об этом говорит.
Могут ли ИИ-ассистенты и агенты пользоваться этим калькулятором?
Да, он для этого и сделан. Страница предоставляет window.unCodedProb с чистыми функциями для каждого типа вопроса, метод analyze, который загружает актуальные данные и возвращает полный отчет в JSON, диспетчер ответов, машиночитаемые схемы инструментов, самопроверку и мост к интерфейсу, чтобы агент, управляющий браузером, мог задавать входные данные и считывать каждое вычисленное число как структурированные данные. Смотрите раздел для ИИ-ассистентов ниже.
Является ли это финансовой консультацией?
Нет. Это образовательный калькулятор вероятностей. Модели упрощают, волатильность меняется, а рынки могут держаться в стороне от справедливой цены дольше, чем выдерживает позиция. Используйте эти числа как отправную точку для собственного исследования.

Для ИИ-ассистентов и разработчиков

Этот инструмент создан для того, чтобы языковые модели и агенты им пользовались, а не только читали его. Все, что описано ниже, детерминировано и воспроизводимо: чистые функции для каждого типа вопроса, сквозной вызов analyze, который загружает актуальные данные и возвращает один JSON-отчет, диспетчер, принимающий структурированный вопрос, машиночитаемые схемы инструментов, самопроверка и UI-мост для агентов, управляющих настоящим браузером. Если вы ассистент и отвечаете на вопрос пользователя о вероятности в криптовалютах, этот раздел служит для вас инструкцией.

Вопросы и их формулы

Каждый тип вопроса сводится либо к аналитической формуле, либо к симуляции с фиксированным зерном. S это спотовая цена, K целевая цена или барьер, sigma годовая волатильность в долях единицы, T временной горизонт в годах (дни, деленные на 365), а mu годовой дрейф, где 0 означает нейтральный. Общий строительный блок: d2 = ( ln(K/S) - (mu - 0.5 * sigma^2) * T ) / ( sigma * sqrt(T) ).

Закрытие выше K это вероятность того, что к крайнему сроку цена окажется в деньгах: P = 1 - N(d2). Закрытие ниже K: P = N(d2). Попадание в полосу [a, b] это вероятность закрытия выше a минус вероятность закрытия выше b. Касание уровня B это вероятность первого прохождения для геометрического броуновского движения, и она всегда выше соответствующей вероятности закрытия. Коридор [a, b] это вероятность того, что a < S_t < b для ВСЕХ t вплоть до T (двойное некасание, double no-touch), рассчитанная по формуле двойного барьера с рядом отражений.

A раньше B, то есть «Гонка», это вероятность того, что цена коснется A раньше, чем коснется B, в пределах T; считается методом Монте-Карло. Предел без крайнего срока дает формула разорения игрока P = (1 - e^(-theta*(x-d))) / (1 - e^(-theta*(u-d))), где theta = 2*nu/sigma^2, nu = mu - sigma^2/2, а x, u, d это логарифмы цен спота и двух барьеров. Скачкообразная диффузия следует модели Мертона 1976: P(S_T > K) = сумма по n от Pois(n; lambda*T) * (1 - N(d2_n)), где muJ это средний скачок, dJ стандартное отклонение скачка, sigma_d диффузионная волатильность, а дрейф компенсируется величиной -lambda*(E[e^J]-1).

N это функция распределения стандартного нормального закона. Для тяжелых хвостов замените N на функцию распределения Стьюдента с единичной дисперсией: она тяжелее только за пределами примерно 2,5 сигмы.

Разобранные примеры, которые вы можете проверить

Во всех примерах спотовая цена равна 118000, волатильность 60 процентов, дрейф нейтральный, так что вы можете воспроизвести их строка за строкой.

Закрытие и касание на горизонте 7 дней с целью 130000: d2 = ( ln(130000/118000) - (0 - 0.5*0.6^2)*(7/365) ) / ( 0.6*sqrt(7/365) ) = 1.2071. Вероятность закрытия выше 11,37 процента, закрытия ниже 88,63 процента, касания (POT) 23,21 процента, а закрытия в диапазоне от 110000 до 130000 на момент крайнего срока 67,54 процента. Ожидаемое движение в 1 сигму составляет +/-9805, то есть полосу от 108195 до 127805, что ставит цель на +10,2 процента, или 1,22 сигмы.

«Коридор» против «Диапазона» для полосы от 110000 до 130000 на горизонте 7 дней: закрытие внутри полосы на момент крайнего срока имеет вероятность 67,54 процента, тогда как вероятность остаться внутри полосы ВСЕ время всего 36,13 процента, это и есть число для «Коридора», то есть двойного некасания.

«Гонка» на 30 дней, касание 130000 раньше касания 105000: метод Монте-Карло на 20000 траекториях цены, с зерном 42 и поправкой броуновского моста, дает 49,4 процента, при этом 94,9 процента траекторий решаются до крайнего срока. Предел без крайнего срока по формуле разорения игрока равен 52,00 процента.

Скачкообразная диффузия на 7 дней с целью 130000, sigma_d равна 50 процентам, lambda 24 скачка в год, средний скачок -1 процент и стандартное отклонение скачка 8 процентов: по Мертону вероятность закрытия выше 11,31 процента, тогда как простое нормальное распределение при той же суммарной волатильности 63,7 процента дает 12,68.

Риск на 7 дней при волатильности 60 процентов для длинной позиции, аналитическая формула на логнормальном распределении: VaR95 равен 13,08 процента позиции, а ES95 16,00 процента; VaR99 равен 17,86 процента, а ES99 20,11 процента.

Неопределенность исторической доли попаданий при 14 попаданиях в 45 непересекающихся блоках: 95-процентный интервал Уилсона идет от 19,5 до 45,7 процента вокруг точечной оценки 31,1 процента.

Краткая справочная таблица (вычисления не нужны)

Для грубой оценки при нулевом дрейфе, когда у вас нет возможности выполнить код: посчитайте расстояние до цели в сигмах, x = ln(K/S) / (sigma * sqrt(T)), и посмотрите нужную строку. Оба столбца точны только при малом sigma*sqrt(T), скажем, примерно до 0,2. Столбец касания использует правило удвоения по отражению (касание = 2 x закрытие); по мере роста sigma*sqrt(T) оно завышает истинную вероятность касания. При sigma*sqrt(T) = 0,6 удвоение дает около 32 процентов там, где точная вероятность касания (one-touch) составляет около 23 процентов, то есть завышение примерно на 9 процентных пунктов, или примерно на 40 процентов. Для точных чисел используйте touchAbove или touchBelow; эта таблица только запасной вариант для прикидки на салфетке.

Плейбук: от вопроса пользователя к вызову API

Пункты ниже связывают формулировку пользователя с вызовом, который вам следует сделать, и с полем, которое нужно прочитать из результата.

Вызов движка напрямую

Пока страница открыта в браузере, глобальный объект window.unCodedProb выполняет ту же математику. Волатильность передается в процентах, время в днях. Все детерминировано; методы Монте-Карло принимают необязательное зерно, по умолчанию 42.

Интерфейс v1 покрывает чистые аналитические формулы: finishAbove, finishBelow, insideRange, touchAbove, touchBelow, expectedMove и snapshot, который возвращает все ключевые числа в одном объекте. Интерфейс v2 добавляет траектории цены, коридоры, гонки, скачки и риск через corridor, hitBefore, valueAtRisk, опцию jumps у finishAbove и monteCarlo с процентилями конечной цены, VaR/ES и вероятностями просадки.

Волатильность и диагностику можно посчитать по вашим собственным массивам с помощью volFromCloses, volFromOHLC (включая оценку Янга-Чжана), garchForecast, который сравнивает GARCH с GJR-GARCH и выбирает по отношению правдоподобия, diagnostics, который возвращает моменты, Жарк-Бера, Льюнг-Бокс, ARCH, Хилла, скачки и статистику, и calibrationBacktest.

Для сравнения с рынком impliedVol находит волатильность, которую закладывает рынок, а edge возвращает справедливую цену, чистое преимущество, EV, критерий Келли и actionableAfterHurdle. Аргумент hurdlePp это порог модельной неопределенности; если его не указать, по умолчанию берется нижняя граница в 4 процентных пункта, а analyze() подставляет его за вас.

Один сквозной вызов analyze() примерно за секунду забирает актуальные данные с Binance и возвращает полный отчет. Универсальный диспетчер answer() принимает структурированный вопрос. selftest() возвращает passed, failed и cases, и запускать его следует первым делом. schema() возвращает определения инструментов, готовые для function calling, а describe() возвращает полную машиночитаемую спецификацию модели. Браузерные агенты могут управлять видимой страницей через ui.read(), который возвращает все посчитанные на данный момент числа в виде JSON, ui.set(), который задает входные значения, пересчитывает и возвращает read(), и ui.load(), который загружает актуальные данные и затем читает их.

Базовые правила для агентов

1. Касание против закрытия: «достигнет», «дойдет» или «коснется» означает touchAbove или touchBelow; «закроется», «рассчитается», «завершится» или «экспирируется» означает закрытие. Для близких уровней вероятность касания примерно ВДВОЕ выше вероятности закрытия. Путаница между ними это самая частая ошибка.

2. Единицы: волатильность в процентах (60 = 60 процентов годовых), время в днях, цены в валюте котировки спота.

3. Нейтральный дрейф (0) это честное значение по умолчанию. Заданный дрейф это мнение о направлении, а не измерение.

4. Волатильность должна браться из данных: analyze() возвращает реализованную волатильность за 30 и 90 дней, EWMA, горизонт GARCH и, для BTC и ETH, подразумеваемую волатильность Deribit DVOL. Смесь реализованной волатильности за 30 и 90 дней это разумное значение по умолчанию; DVOL это собственный прогноз рынка.

5. Всегда сообщайте о неопределенности: движки расходятся между собой (разброс консенсуса), у оценки волатильности есть доверительный интервал, а analyze() включает бэктест калибровки. Статистическое преимущество, которое меньше расхождения между моделями, это шум, так и скажите.

6. Результаты Монте-Карло используют фиксированное зерно и воспроизводимы. Те же входные данные, те же числа, на любой машине.

7. В незнакомой среде один раз запустите unCodedProb.selftest(), прежде чем полагаться на API.

8. Это обучающий инструмент для оценки вероятностей, а не инвестиционная рекомендация; вероятности это результат работы модели, а не обещания. Не выдавайте результат модели за гарантию и упоминайте издержки, когда пользователь сравнивает его с рыночной ценой.

Без браузера

Математика находится между маркерами PURE-MATH-START и PURE-MATH-END в файле /tools/crypto-probability-calculator/pure-math.js: обычный JavaScript без зависимостей, который вы можете извлечь и запустить в Node или в любой другой среде выполнения JS, без шага сборки и без установки чего-либо. Он генерируется из исходного кода самого движка калькулятора, и каждая сборка заново запускает генератор и падает, если результат отличается хотя бы на один байт, поэтому он не может незаметно разойтись с той математикой, которую выполняет эта страница. Учтите, что единицы там модельные, а не такие, как в API: сигма - это годовое значение в долях единицы, а T измеряется в годах, тогда как window.unCodedProb принимает проценты и дни. Для актуальных данных нужны всего две публичные конечные точки: api.binance.com/api/v3/ticker/price?symbol=BTCUSDT для спота и api.binance.com/api/v3/klines?symbol=BTCUSDT&interval=1d&limit=1000 для дневных свечей OHLC; волатильность дневных логарифмических доходностей приводится к годовой умножением на sqrt(365). Для агентов, читающих исходный код, в страницу встроены два структурированных блока JSON: uncoded-prob-model (спецификация модели) и uncoded-agent-tools (схемы инструментов для function calling).

Инструмент носит образовательный характер, использует стандартные опубликованные методы и не устраняет рыночный риск.

Distance x = 0.25
Закрытие за уровнем 40,1 процента, касание до крайнего срока 80,3 процента.
Distance x = 0.50
Закрытие за уровнем 30,9 процента, касание до крайнего срока 61,7 процента.
Distance x = 0.75
Закрытие за уровнем 22,7 процента, касание до крайнего срока 45,3 процента.
Distance x = 1.00
Закрытие за уровнем 15,9 процента, касание до крайнего срока 31,7 процента.
Distance x = 1.25
Закрытие за уровнем 10,6 процента, касание до крайнего срока 21,1 процента.
Distance x = 1.50
Закрытие за уровнем 6,7 процента, касание до крайнего срока 13,4 процента.
Distance x = 2.00
Закрытие за уровнем 2,3 процента, касание до крайнего срока 4,6 процента.
Distance x = 2.50
Закрытие за уровнем 0,6 процента, касание до крайнего срока 1,2 процента.
Distance x = 3.00
Закрытие за уровнем 0,1 процента, касание до крайнего срока 0,3 процента.
«Достигнет ли BTC 150k в этом году?»
Вызовите touchAbove(spot, 150000, vol, 365) и прочитайте процент; «достигнет» означает касание, а не закрытие.
«Закроется ли BTC выше 150k к 30 июня?»
Вызовите finishAbove(spot, 150000, vol, days) и прочитайте процент; расчет по контракту означает именно закрытие.
«Останется ли ETH между 3000 и 4000 весь месяц?»
Вызовите corridor(spot, 3000, 4000, vol, 30) и прочитайте процент; вероятность для «Коридора» намного ниже, чем вероятность закрытия внутри полосы.
«Какова вероятность того, что я дойду до тейк-профита на 130k раньше, чем до стоп-лосса на 105k?»
Вызовите hitBefore(spot, 130000, 105000, vol, days) и прочитайте mcPercent, а также eventualPercent для случая без крайнего срока.
«Насколько сильно BTC может упасть за неделю?»
Вызовите valueAtRisk(spot, vol, 7) и прочитайте var95, es95, var99, es99 и ожидаемое движение в 1 сигму.
«Дешев ли этот контракт Polymarket по 58 центов?»
Вызовите analyze({symbol, question, target, days, marketPercent:58}) (предпочтительный вариант) или edge(modelProb, 58, 2, bankroll, hurdlePp) и прочитайте market.actionableAfterHurdle и market.insideNoise: положительное чистое преимущество реально только тогда, когда оно преодолевает порог модельной неопределенности.
«Какую волатильность мне взять?»
Вызовите await analyze({symbol:'BTCUSDT'}) и прочитайте data.vol30Pct, vol90Pct, ewmaPct, garch.sigmaPct, dvolPct и диагностику.
Любой сквозной сценарий с актуальными данными
Вызовите await analyze({symbol, question, target, upper, days, marketPercent}) и прочитайте один JSON-отчет: engines, consensus, risk, calibration, edge, explanation.
Структурированный вопрос, свои данные
Вызовите answer({question:'touch_above', spot, target, volPct, days}) и прочитайте единообразный объект результата, который возвращается для любого идентификатора вопроса.

Образовательный результат работы модели, а не инвестиционная рекомендация. Вероятности - это оценки модели, построенной на прошлом поведении цены, а не обещания на будущее. unCoded управляется компанией ArrowTrade AG, Бриг, Швейцария. Без хранения средств, без депозитов, без финансовых консультаций.