用 Claude Code 构建量化交易策略（GARCH 方法）

用 Claude Code 搭建一个量化交易策略（GARCH 方法） July 21, 2026 · 9 min read · View source ↗ Quant Claude Crypto Finance 这是你在 𝕏 上任何其他地方都找不到的东西。 我最近用 Claude Code 搭建并自动化了一套真正的量化台（quant desk）交易策略——而且它真的很疯狂。 这套量化策略在纳斯达克、比特币等 15 年以上的价格数据上做了回测，而且是真正的量化台最常用的交易策略之一。 它叫 GARCH 模型，而背后那个计算的经济学家，2003 年因此拿了诺贝尔奖——它就是有这么强。 在这篇文章里，我会完整揭示我是如何用 Claude Code 自动化这套疯狂的量化交易策略的全过程。 为了回馈交易社区，我开源了 GitHub 仓库，它包含这套交易策略背后的完整方法论——包括一个可复用的 Claude Skill、完整的 TradingView 安装说明等等。 在第五节（安装与测试 Claude Skill）里，你会找到现在就能用、在真实市场里亲自跑这套策略的 GitHub 链接。 目录 I：到底什么是量化（quant）？ II：搭建量化模型 101 III：GARCH 模型 IV：计算真实仓位 V：安装与测试 Claude Skill VI：导入 TradingView 我真心相信这是我写过的最好的金融 × AI 文章之一——务必收藏，别弄丢了。 I：到底什么是量化？ 好。在我们深入真正的策略之前，我们需要先定义“量化（quant）”是什么，因为这个词被到处乱抛，却没人解释它到底是什么意思。 Quant 是 quantitative analyst（量化分析师）的缩写。 简而言之，这些人通常出身于高等数学、物理或计算机科学，而基金用金融界最高的几档薪水去招募他们。 作为一个 quant，他们的工作是构建代表某种市场观点的金融模型，并把这个观点转化成一个带真实约束的交易系统。 举个例子：假设你的市场观点是“市场越来越危险，我应该更谨慎一点”。 那只是一个观点。 一个 quant 无法拿一个观点去交易，所以他们把它拆成可以被衡量的部分。到底有多危险？拿过去一年的数据来衡量。我们该多谨慎多少？用你能承受的风险，除以市场当下正在支付的风险。如果我错了怎么办？ 简而言之，一个 quant 的工作，是基于不同的市场变量，构建可量化、可衡量的模型和系统。 — “wtf is a quant?” II：搭建量化模型 101 大多数散户打开一张图表，看到的是价格（它到过哪、它可能去哪）——而他们整段解读都是方向性的。 一个 quant 打开同一张图表，读的是一套完全不同的变量。 quant 不追求预测价格方向，相反，他们经常看的是： 波动率 风险价值（Value at risk） 仓位规模（Position sizing） 敞口 预期波动幅度（Expected moves） 然后，他们把所有这些不同的变量压缩成一个单一的分数/计算。 为了这篇文章，我要把它叫做“暴力值（violence）分数”——但我知道事情比这更微妙。 例如： 2020 年 3 月标普 500（-34% 市场崩盘） — "March 2020 crash" FTX 崩盘 2022，$BTC（单周 -25%） — "FTX collapse" 这是两个相当“暴力”的市场交易日（高波动率）的例子。 一个量化分析师会看着这两段暴力的价格运动，得出一个可以用来同时衡量两者的分数（这正是 GARCH 框架做的事——后面细说）。 在一个典型的日子里，$BTC 出现一次暴力波动的概率大约是 ~10%。而在像 FTX 崩盘之后的第二天，这个概率翻了三倍到 ~30%（这些数字是从 15 年以上的比特币价格数据回测出来的）。 这个模型不完美，但它给了你一个粗略的框架，让你理解一个 quant 到底会如何基于真实市场变量，去搭建一个可交易的模型。 量化分析师（以及 GARCH 模型）经常寻找的是那种可预测的市场波动率，用来管理投资组合风险。 III：GARCH 模型 我们已经确立了：市场暴力是可预测的。现在的问题变成了：我们到底怎么衡量并预测它？ 这就是 Robert F. Engle 那个诺贝尔奖级别的计算登场的地方。 Robert F. Engle 最初开发了“ARCH”框架，之后他的学生 Tim Bollerslev 把它扩展成我们今天所知的“GARCH”框架，也就是许多量化台在跑的那个。 — "GARCH market volatility model" GARCH 计算如何工作 GARCH 把明天的市场暴力预测为三样东西之和： 基线市场运动 每个资产都自带一个基线的运动量。 例如，比特币的比标普的高，而且这一点基本不会变。 **昨天的冲击** 上一场交易里，市场实际上动了多猛？ 昨天的波动率水平 在那次运动发生之前，波动率已经坐在哪里了？ 把这三样东西加在一起，你就得到了对明天潜在市场暴力的预测——而那就是整个模型。 记住，有了这三个市场变量，GARCH 模型预测的是市场未来可能有多暴力，但它不给我们方向性的偏置（做多/做空）。 IV：计算真实仓位 这里是 GARCH 波动率预测变得可交易的地方。 逻辑是这样跑的： 任何一笔交易的风险，是你的仓位规模乘以市场的暴力——你控制不了市场暴力，所以，你控制仓位规模。 这被拆成三步： 第一步：设定你的账户回撤上限 决定你愿意在自己账户上承受的年度摆动幅度——机构台通常跑 ~15%。 第二步：拉取暴力分数 从 GARCH 模型拉取当前的暴力分数。 在我写这篇的时候，纳斯达克正跑在大约 30% 的年化水平上。 — "Violence score calculation" 第三步：计算 用你的账户回撤上限除以模型分数（15/30 = 0.5）。 如果今天有一个交易信号触发，那就意味着它会拿到你正常仓位规模的一半（0.5）。 例如，在一个 10,000 美元的基线仓位上，那就是 5,000 美元。 GARCH 模型短板在哪 这个模型永远不会喊出顶部或底部。事实上，它完全不包含任何方向信息，而且如果一场崩盘是从一段真正平静的市场时期里爆发的，它救不了你，而且理论上，你会以满仓接到它。 我不是在声称这套量化模型能消除风险——我是说，它是我找到的、用专业人士真正思考风险的方式去思考风险的最佳起点。 而且要说清楚，实际的进场和出场，是由金融交易台里另一个交易部门决定的——一个 quant 的工作，只是开发像 GARCH 模型这样可预测、可复现的框架，用来随着时间推移管理风险。 V：安装与测试 Claude Skill 我把这整套量化风险框架，编码进了一个可复用的 Claude Skill，你可以安装它来帮助管理你自己投资组合的风险。 下面是分步安装说明——有两种安装方式： 方式一：插件命令 打开 GitHub：https://github.com/milesdeutscher/garchmethod/tree/main 找到安装部分，复制 — "Install" 把安装命令粘贴进 Claude Code，它就会自动跑完插件安装。 — "example" 方式二：手动文件配置。 如果你想逐行看这套策略，就打开仓库里的 garchmethod.md，复制整个文件，粘贴进 Claude Code。 它会从仓库拉取技能文件，并为你验证这套策略。 — "manual config. file" 你不需要两种都装——我只是给你两个选择。 一旦装好，你只要跟它说话，它就会用上面概述的那个精确的 GARCH 模型运行。 示例提示词 “比特币的波动率预测是多少？” “用简单的话解释当前 $BTC 的波动率预测意味着什么，以及它该如何影响我的比特币仓位规模。” “帮我根据当前市场波动率，给标普 500 的仓位定规模” — "example" 回测这套策略 我用两种方式回测了同一套交易策略。一种是固定仓位规模，一种是用 GARCH 仓位规模框架。 策略本身是一个简单的 EMA 交叉，跑在 15 年的比特币数据上。我在两者里跑的是同样的进场、同样的出场、同样的信号。 在 15 年的时间跨度上，GARCH 框架最终的总组合权益是 $21,205，而固定仓位规模最终是 $17,957。 重要的是，GARCH 框架经历了显著更少的回撤，并且整体上，用更少的市场风险，取得了更高的组合余额。 — "backtesting (real results)" — "backtesting (real results)" 我还做了许多其他类似的回测，GARCH 框架都是明显的赢家，这就是为什么这套量化框架如此强大。 VI：导入 TradingView 这是把整套框架作为一个实时数字放到你图表上的最后一块。 仓库里有一个 Pine Script 文件夹。 打开它，复制整个文件。 — "Pine script" 然后进 TradingView，打开 Pine 编辑器，粘贴进去，敲回车，刷新。 这会把整个指标和计算分数加载进你的实时图表里。 — "Importing into TradingView" 添加之后，你会在 TradingView 图表里看到一个实时的 “Storm Gauge” 计算（实时运行的 GARCH 波动率计算）。 — "Storm Gauge" 结尾 我希望你觉得这套量化框架有价值——我真的没见过有其他人像这样在市场上用 AI。 如果你觉得有价值，务必在这里关注我 @milesdeutscher——每一周，我都会发文拆解我如何用 AI 在金融市场里获得优势。 想看更深的 AI 洞察，去 @aiedge_ 关注我。 如果你喜欢文字内容，欢迎订阅我的免费市场通讯。 每一周，我们发布免费市场研究、真实的金融 × AI 工作流等等。 https://newsletter.milesdeutscher.com.au/ — "Market newsletter by Miles" 100% 免费，绝不发垃圾，随时退订。 感谢你读到这里。 - Miles Tags: # X # Quant # Claude # Crypto # Finance # AI # Automation # Guide 相关文章 You Can Be Right 70% of the Time and Still Go Broke The seven pieces of mathematics that decide whether a trading edge survives Marketing Quant Crypto Finance