在基础科学与实战交易的交叉点上,诞生了真正有趣的工具。交易员迈尔斯·多伊彻(Miles Deutscher)推出了一套基于GARCH(广义自回归条件异方差)模型的自动化交易策略——这套数学工具曾荣获诺贝尔奖。最引人注目的是:从构思到实现,整个系统均由人工智能Claude Code构建,而非人类。
什么是GARCH?AI如何构建该模型
GARCH是专业量化分析师日常使用的最强大的量化模型之一。该模型由罗伯特·恩格尔(Robert Engle,2003年诺贝尔奖得主)开发,并由其学生蒂姆·博勒斯莱夫(Tim Bollerslev)扩展,是众多机构部门风险管理的基础。
该模型的核心思想在于:市场波动性并非随机——它是可预测的。计算仅基于三个指标:
- 波动基准水平——每种资产的常数。比特币的传统波动率通常高于标普500指数。
- 昨日市场波动强度——价格在前一时期的变化幅度。
- 此波动前的波动率水平——历史背景。
这三项数值之和即为对明日波动的预测。多伊彻强调:他本人并未编写系统代码。他只是描述了任务,而Claude Code将数学转化为现成的实用工具。
波动率预测如何转化为头寸规模
多伊彻利用得出的波动率估值来计算头寸规模。在机构环境中,通常将年度回撤限制在15%以内。所有数学计算均基于这一限制。
示例:如果某项资产的波动率估值为年化30%,则将回撤限制除以该指标——头寸乘数等于0.5倍。若基础头寸为10,000美元,则意味着入场规模为5,000美元。
这种方法并非预测价格走势——而是控制对已测量风险的敞口。正如多伊彻所述,撰写本文时纳斯达克指数的波动率估值维持在年化30%的水平。
历史数据回测:结果令人印象深刻
为验证有效性,该交易员以两种方式在比特币十五年的数据上运行了同一移动平均线交叉策略——使用相同的入场、出场和信号。
结果:
- 固定头寸规模下,最终资本为17,957美元。
- 采用GARCH模型计算头寸后,结果为21,205美元。
采用诺贝尔奖模型的方案不仅带来了更高利润,而且回撤更小、总体风险更低。但多伊彻警告:在平静期后出现急剧暴跌时,该模型将失效——头寸会以全额规模开仓。
我的专家观点:将GARCH与AI自动化结合,是学术严谨性与现代技术的优雅融合。但请记住:模型衡量的是波动性,而非方向。这是强大的风险管理工具,而非水晶球。策略的成功取决于纪律性及其对局限性的理解。