用途：围绕波动率这一交易核心量，提供估计、预测与实际应用方法，用于仓位规模、止损位置、期权定价与市场状态识别。
主要能力：一，波动率估计，包括收盘价标准差、Parkinson高低差、Garman-Klass OHLC、Yang-Zhang、EWMA及GARCH(1,1)等方法；二，波动率锥构建，用多年日线数据计算不同回看窗口的滚动已实现波动率并提取5/25/50/75/95百分位，判断当前波动率历史高低；三，波动率预测，EWMA与GARCH可输出期限结构；四，应用示例，含波动率目标仓位法、ATR止损、按波动率状态选择策略。
使用方式：需安装 pandas、numpy、scipy，实时数据可选 httpx，命令为 uv pip install pandas numpy scipy。仓库提供脚本 estimate_volatility.py 与 vol_forecast.py，参考文档 estimators.md 与 volatility_cones.md。
适用场景：加密市场波动率分析，波动率高于75百分位预期均值回归、低于25百分位预期扩张；GARCH 公式 σ²_t = ω + α·r²_{t-1} + β·σ²_{t-1}，长期方差为 ω/(1−α−β)。
限制：加密市场流动性期权数据有限，隐含波动率仅 Deribit 等有 BTC/ETH 数据；GARCH 需最大似然估计；其余具体收费、平台与价格信息暂未提供。