专业交易员迈尔斯·多伊彻利用AI智能体Claude Code,将著名的诺贝尔奖模型GARCH自动化,在风险管理领域掀起了一场革命。据他本人透露,整个系统完全由人工智能构建:交易员仅需提出需求,神经网络便将复杂的数学原理转化为实用工具。
模型测量什么以及AI如何构建它
GARCH(广义自回归条件异方差模型)是专业量化分析师日常使用的最强大的量化模型之一。其创始人罗伯特·恩格尔因开发该模型于2003年获得诺贝尔奖,而他的学生蒂姆·博勒斯列夫将其扩展为GARCH模型,至今仍被全球量化分析部门广泛采用。
该模型的核心思想在于:市场波动并非随机,而是可预测的。多伊彻解释道,GARCH能够基于三个指标提前测量和预测波动:
- 资产的基础波动水平(比特币通常高于标普500指数)。
- 昨日市场走势的强度。
- 市场在此次走势前的波动水平。
这三项数值之和即可预测明天的波动幅度。需要明确的是:该模型显示市场可能波动的程度,但不指明方向。它是投资组合风险管理的工具,而非买入或卖出信号。
AI在此项目中发挥了关键作用。多伊彻强调,他并未亲自编写系统代码——他用自然语言描述了任务,而Claude Code则承担了所有技术实现工作。
预测如何转化为头寸规模
交易员利用获得的波动评估来计算头寸规模。机构部门通常将年度回撤限制在15%以内,所有后续计算均基于这一限制。如果某项资产的波动评估为年化30%,则将回撤限制除以该数值——头寸乘数即为0.5倍。若基础头寸为1万美元,则意味着入场规模为5000美元。
多伊彻通过历史数据验证了模型的实际效用。他使用两种方式在比特币十五年的数据上运行同一移动平均线交叉策略——保持相同的入场、出场和信号条件。在固定头寸规模下,测试最终资本为17,957美元。而基于GARCH模型计算头寸后,结果提升至21,205美元。
据交易员评估,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。不过,他提醒了一个重要限制:在市场平静期后突然暴跌时,该模型将失效,头寸会以全额规模开仓。
专家观点: 经典金融模型与现代AI智能体的融合为散户交易者开辟了新天地。过去GARCH模型是拥有开发团队的机构基金的专属工具,如今任何精明的交易者都能获得先进的风险管理能力。但切记:没有任何模型——即便是诺贝尔奖级别的模型——能保证抵御极端市场事件。