GARCH 模型是当今真正的量化分析师每天都在使用的最强大交易框架之一。

我最近的文章精确解释了我是如何用 Claude Code 来自动化这套 GARCH 量化交易策略的。
下面是它背后的完整架构：包含真实数字，以及我是如何让 Claude 为我搭建出来的：
GARCH 实际衡量的是什么
这是一项获得诺贝尔奖的计算方法，最初由 Robert F. Engle 于 2003 年提出为“ARCH”，随后由他的学生 Tim Bollerslev 扩展成 GARCH 模型，量化交易台至今仍在运行。
核心观点：市场波动并不是随机的。它是可预测的。GARCH 就是用来衡量和预测它的。
计算过程（仅 3 个输入）
GARCH 将明天的波动率预测为以下三者之和：
→ 基础水平变动：每项资产都带有一个不会真正改变的基准波动量。比特币的基准高于 S&P 的基准，它总是更高。
→ 昨日冲击：上一个交易时段市场到底动得有多剧烈？
→ 昨日的波动率水平：在那次移动发生之前，波动率已经处于什么水平？
把这三个加在一起，你就得到明天的“暴力分数”（violence score）。
来自回测数据的真实例子
在典型的一天里，$BTC 出现剧烈波动的概率大约是 10%。在经历像 FTX 崩盘这样的冲击后的第二天，这个概率会翻三倍，约到 30%。
截至本文撰写时，纳斯达克的“暴力分数”（violence score）按年化运行在 30%。
把“暴力分数”转化为实际仓位规模
最大回撤限制 ÷ 暴力分数 = 你的仓位规模倍率
机构交易台通常把年化最大回撤上限设为 15%。所以：15/30 = 0.5x。
在 10,000 美元的基准仓位上，这意味着你的仓位规模应为 5,000 美元以管理风险。
请记住，在这个框架下，你不是在预测方向；你是在控制已经被衡量过的风险暴露。
关键的注意事项
GARCH 告诉你市场可能会动到什么程度。它不告诉你会朝哪个方向。
它是用于管理投资组合风险的波动率预测，而不是方向性交易信号。如果在平静期之后真的发生崩盘，这个框架是捕捉不到的；你会在满仓规模下承担。
它真的有效吗？
我用 BTC 数据的 15 年期间，对同一个 EMA 交叉策略用两种方式进行了回测。入场相同，出场相同，信号相同。
→ 固定仓位规模：17,957 美元期末权益
→ GARCH 仓位规模：21,205 美元期末权益
GARCH 版本还通过更少的回撤和更低的整体市场风险，取得了更好的结果。
完整量化策略的细分，以及开源 Claude Skill 和 GitHub 仓库，都在文章里。文章已置顶在我的个人主页上。