สร้างกลยุทธ์ Quant Trading ด้วยโมเดล GARCH โดยใช้ Claude Code

นี่คือสิ่งที่คุณจะไม่พบที่อื่นบน 𝕏

เมื่อไม่นานมานี้ ฉันใช้ Claude Code เพื่อสร้างและทำให้กลยุทธ์การเทรดของ desk quant จริง ๆ เป็นอัตโนมัติ และมันบ้ามากจริง ๆ

กลยุทธ์ quant นี้ได้รับการ backtested บนข้อมูลราคามากกว่า 15 ปี ทั้ง Nasdaq, Bitcoin และอื่น ๆ และเป็นหนึ่งในกลยุทธ์การเทรดที่ถูกใช้มากที่สุดโดย desk quant จริง ๆ

มันถูกเรียกว่าโมเดล GARCH และนักเศรษฐศาสตร์ที่อยู่เบื้องหลังการคำนวณนี้ได้รับรางวัลโนเบลในปี 2003 — มันทรงพลังขนาดนั้น

ในบทความนี้ ฉันจะเปิดเผยกระบวนการทั้งหมดที่ฉันใช้ทำให้กลยุทธ์การเทรด quant ที่บ้าคลั่งนี้เป็นอัตโนมัติด้วย Claude Code

เพื่อตอบแทนชุมชนการเทรด ฉันเปิดเผย source code ที่ GitHub ซึ่งมีวิธีการทั้งหมดเบื้องหลังกลยุทธ์การเทรดนี้ — รวมถึง Claude Skill ที่สามารถนำกลับมาใช้ใหม่ได้, คำแนะนำการติดตั้ง TradingView ฉบับเต็ม, และอื่น ๆ อีกมากมาย

ใน ส่วนที่ V (การติดตั้งและทดสอบ Claude Skill) คุณจะพบลิงก์ GitHub ที่คุณสามารถใช้ได้ทันทีเพื่อรันกลยุทธ์นี้ด้วยตัวเองในตลาดจริง

กลยุทธ์การเทรด GARCH แบบโอเพนซอร์ส

สารบัญ

I: quant คืออะไร?

II: การสร้างโมเดล Quant 101

III: โมเดล GARCH

IV: การคำนวณตำแหน่งจริง

V: การติดตั้งและทดสอบ Claude Skill

VI: การนำเข้าสู่ TradingView

ฉันเชื่อจริง ๆ ว่านี่คือหนึ่งในบทความการเงิน x AI ที่ดีที่สุดของฉัน — อย่าลืมบุ๊กมาร์กไว้เพื่อไม่ให้พลาด

I: quant คืออะไร?

โอเค ก่อนที่เราจะลงลึกในกลยุทธ์จริง เราต้องนิยามก่อนว่า "quant" คืออะไร เพราะคำนี้ถูกใช้กันอย่างแพร่หลาย แต่ไม่มีใครอธิบายความหมายที่แท้จริง

Quant ย่อมาจาก quantitative analyst (นักวิเคราะห์เชิงปริมาณ)

พูดง่าย ๆ พวกเขาคือคนที่มักจะจบมาจากคณิตศาสตร์ขั้นสูง ฟิสิกส์ หรือวิทยาการคอมพิวเตอร์ และกองทุนต่างก็จ้างพวกเขาด้วยเงินเดือนที่สูงที่สุดในวงการการเงิน

ในฐานะ quant หน้าที่ของพวกเขาคือการสร้างโมเดลทางการเงินที่แสดงมุมมองต่อตลาด และเปลี่ยนมุมมองนั้นให้เป็นระบบการเทรดที่มีข้อจำกัดจริง

ตัวอย่าง: สมมติว่ามุมมองตลาดของคุณคือ "ตลาดกำลังอันตราย ฉันควรระมัดระวังมากขึ้น"

นั่นเป็นเพียงความคิดเห็น

quant ไม่สามารถเทรดตามความคิดเห็นได้ ดังนั้นพวกเขาจึงแยกย่อยเป็นส่วนที่วัดได้ อันตรายแค่ไหน? วัดเทียบกับข้อมูลปีที่แล้ว ควรระมัดระวังมากขึ้นแค่ไหน? หารความเสี่ยงที่คุณรับได้ด้วยความเสี่ยงที่ตลาดจ่ายอยู่ในปัจจุบัน ถ้าฉันผิดล่ะ?

พูดง่าย ๆ หน้าที่ของ quant คือการสร้างโมเดลและระบบเชิงปริมาณที่ วัดได้ โดยอาศัยตัวแปรตลาดต่าง ๆ

quant คืออะไร?

II: การสร้างโมเดล Quant 101

นักเทรดรายย่อยส่วนใหญ่เปิดกราฟแล้วเห็นราคา (ที่เคยไป ที่อาจจะไป) และการอ่านทั้งหมดของพวกเขาก็เป็นแค่ทิศทาง

quant เปิดกราฟเดียวกันแต่อ่านชุดตัวแปรที่แตกต่างกันโดยสิ้นเชิง

Quant ไม่ได้มองหาทำนายทิศทางราคา แต่พวกเขามักจะมองที่:

ความผันผวน (Volatility)
มูลค่าความเสี่ยง (Value at risk)
ขนาดตำแหน่ง (Position sizing)
การเปิดรับความเสี่ยง (Exposure)
การเคลื่อนไหวที่คาดหวัง (Expected moves)

จากนั้น พวกเขาก็รวมตัวแปรต่าง ๆ เหล่านี้เป็นคะแนน/การคำนวณเดียว

เพื่อจุดประสงค์ของบทความนี้ ฉันจะเรียกมันว่าคะแนน "ความรุนแรง" — แต่ฉันรู้ว่าสิ่งต่าง ๆ มีความละเอียดอ่อนมากกว่านั้น

ตัวอย่าง:

มีนาคม 2020 S&P500 (ตลาดตก -34%)

วิกฤตมีนาคม 2020

การล่มสลายของ FTX ปี 2022 [$BTC](https://x.com/search?q=%24BTC&src=cashtag_click) (ตก -25% ในสัปดาห์เดียว)

การล่มสลายของ FTX

นี่คือสองตัวอย่างของวันที่เทรดที่ "รุนแรง" พอสมควร (ความผันผวนสูง)

นักวิเคราะห์ quant จะมองการเคลื่อนไหวของราคาที่รุนแรงทั้งสองนี้และหาคะแนนที่สามารถใช้วัดทั้งสองเหตุการณ์ได้ (ซึ่งเป็นสิ่งที่กรอบงาน GARCH ทำ — จะกล่าวถึงเพิ่มเติมภายหลัง)

ในวันปกติ โอกาสที่ $BTC จะมีการเคลื่อนไหวรุนแรงอยู่ที่ประมาณ ~10% ในวันหลังจากเหตุการณ์เช่นการล่มสลายของ FTX โอกาสนั้นเพิ่มขึ้นสามเท่าเป็น ~30% (ตัวเลขเหล่านี้ได้จากการ backtest ข้อมูลราคา Bitcoin มากกว่า 15 ปี)

โมเดลนี้ไม่สมบูรณ์แบบ แต่มันให้กรอบคร่าว ๆ ว่า quant จะสร้างโมเดลที่สามารถเทรดได้โดยอิงจากตัวแปรตลาดจริงอย่างไร

นักวิเคราะห์ quant (และโมเดล GARCH) มักจะมองหาความผันผวนของตลาดที่สามารถคาดการณ์ได้ ซึ่งสามารถใช้จัดการความเสี่ยงของพอร์ตโฟลิโอได้

III: โมเดล GARCH

เราได้กำหนดแล้วว่าความรุนแรงของตลาดสามารถคาดการณ์ได้ คำถามคือเราจะวัดและพยากรณ์มันได้อย่างไร?

นี่คือจุดที่การคำนวณที่ได้รับรางวัลโนเบลโดย Robert F. Engle เข้ามามีบทบาท

Robert F. Engle พัฒนากรอบงาน "ARCH" ขึ้นมาก่อน จากนั้นลูกศิษย์ของเขา Tim Bollerslev ได้ขยายเป็นกรอบงาน "GARCH" ที่เรารู้จักในปัจจุบัน ซึ่ง desk quant หลายแห่งใช้

โมเดลความผันผวนของตลาด GARCH

การทำงานของการคำนวณ GARCH

GARCH พยากรณ์ความรุนแรงของตลาดในวันพรุ่งนี้เป็นผลรวมของสามสิ่ง:

การเคลื่อนไหวของตลาดระดับฐาน

สินทรัพย์ทุกชนิดมีการเคลื่อนไหวพื้นฐานในระดับหนึ่ง

ตัวอย่างเช่น Bitcoin มีระดับที่สูงกว่า S&P และนั่นไม่เคยเปลี่ยนแปลง

ความตกใจของเมื่อวาน

ตลาดเคลื่อนไหวแรงแค่ไหนในรอบการซื้อขายที่ผ่านมา?

ระดับความผันผวนของเมื่อวาน

ความผันผวนอยู่ที่ไหนก่อนที่จะเกิดการเคลื่อนไหวนั้น?

โดยการรวมสามสิ่งนี้เข้าด้วยกัน คุณจะได้การพยากรณ์ความรุนแรงของตลาดที่อาจเกิดขึ้นในวันพรุ่งนี้ — และนั่นคือโมเดลทั้งหมด

โปรดทราบ ด้วยตัวแปรตลาดทั้งสามนี้ โมเดล GARCH จะพยากรณ์ว่าตลาดอาจจะรุนแรงแค่ไหนในอนาคต แต่มันไม่ได้ให้ทิศทาง (Long/Short) แก่เรา

IV: การคำนวณตำแหน่งจริง

นี่คือจุดที่การพยากรณ์ความผันผวนของ GARCH กลายเป็นสิ่งที่สามารถเทรดได้

ตรรกะเป็นดังนี้:

ความเสี่ยงในการเทรดใด ๆ คือขนาดตำแหน่งของคุณคูณด้วยความรุนแรงของตลาด — คุณไม่สามารถควบคุมความรุนแรงของตลาดได้ ดังนั้นคุณจึงควบคุมขนาดตำแหน่ง

แบ่งออกเป็นสามขั้นตอน:

ขั้นตอนที่หนึ่ง: กำหนดขีดจำกัดการลดลงของบัญชี

ตัดสินใจว่าคุณยอมให้บัญชีของคุณแกว่งตัวเป็นรายปีเท่าไหร่ — โดยทั่วไป desk สถาบันจะอยู่ที่ประมาณ ~15%

ขั้นตอนที่สอง: ดึงคะแนนความรุนแรง

ดึงคะแนนความรุนแรงปัจจุบันจากโมเดล GARCH

ตอนที่ฉันเขียนนี้ Nasdaq กำลังวิ่งอยู่ที่ประมาณ 30% ต่อปี

การคำนวณคะแนนความรุนแรง

ขั้นตอนที่สาม: คำนวณ

หารขีดจำกัดการลดลงของบัญชีด้วยคะแนนโมเดล (15/30 = 0.5)

หากสัญญาณเทรดเกิดขึ้นวันนี้ หมายความว่ามันจะได้ขนาดตำแหน่งปกติครึ่งหนึ่ง (0.5)

ตัวอย่างเช่น ตำแหน่งพื้นฐาน $10,000 จะเท่ากับ $5,000

ข้อจำกัดของโมเดล GARCH

โมเดลนี้จะไม่สามารถบอกจุดสูงสุดหรือจุดต่ำสุดได้ อันที่จริง มันไม่มีข้อมูลทิศทางเลย และหากเกิดการล่มสลายจากช่วงที่ตลาดสงบจริง ๆ โมเดลนี้จะไม่ช่วยคุณ และในทางทฤษฎี คุณจะรับมันเต็มขนาด

ฉันไม่ได้บอกว่าโมเดล quant นี้ช่วยขจัดความเสี่ยง — แต่ฉันบอกว่ามันเป็นจุดเริ่มต้นที่ดีที่สุดที่ฉันเคยพบในการคิดเกี่ยวกับความเสี่ยงแบบที่มืออาชีพทำ

และเพื่อให้ชัดเจน การเข้าและออกจริง ๆ ถูกกำหนดโดยแผนกเทรดอื่น ๆ ภายใน desk การเทรดทางการเงิน — หน้าที่ของ quant คือการพัฒนากรอบงานที่คาดการณ์ได้และทำซ้ำได้ เช่น โมเดล GARCH เพื่อช่วยจัดการความเสี่ยงเมื่อเวลาผ่านไป

V: การติดตั้งและทดสอบ Claude Skill

ฉันได้เข้ารหัสกรอบงานความเสี่ยง quant ทั้งหมดนี้เป็น Claude Skill ที่สามารถนำกลับมาใช้ใหม่ได้ ซึ่งคุณสามารถติดตั้งเพื่อช่วยจัดการความเสี่ยงของพอร์ตโฟลิโอของคุณเอง

นี่คือขั้นตอนการติดตั้ง — มีสองวิธี:

วิธีที่หนึ่ง: คำสั่ง Plugin

เปิด GitHub: https://github.com/milesdeutscher/garchmethod/tree/main
หาส่วนการติดตั้ง คัดลอก

ติดตั้ง

วางคำสั่งติดตั้งลงใน Claude Code แล้วมันจะรันการติดตั้ง plugin โดยอัตโนมัติ

ตัวอย่าง

วิธีที่สอง: การกำหนดค่าไฟล์ด้วยตนเอง

หากคุณต้องการดูกลยุทธ์ที่เขียนทีละบรรทัด ให้เปิด garchmethod.md ใน repo คัดลอกทั้งไฟล์ แล้ววางลงใน Claude Code

มันจะดึงไฟล์ skill จาก repo และตรวจสอบกลยุทธ์ให้คุณ

ไฟล์ config ด้วยตนเอง

คุณไม่จำเป็นต้องใช้ทั้งสองวิธี — ฉันแค่แสดงให้คุณเห็นทั้งสองวิธีเพื่อให้คุณเลือกได้

เมื่อติดตั้งแล้ว คุณสามารถพูดคุยกับมันได้ และมันจะทำงานโดยใช้โมเดล GARCH ที่อธิบายไว้ข้างต้น

ตัวอย่างคำสั่ง

"พยากรณ์ความผันผวนของ Bitcoin เป็นอย่างไร?"

"อธิบายว่าการพยากรณ์ความผันผวนปัจจุบันของ $BTC หมายถึงอะไรในภาษาง่าย ๆ และมันควรส่งผลต่อการกำหนดขนาดตำแหน่ง Bitcoin ของฉันอย่างไร"

"ช่วยฉันกำหนดขนาดตำแหน่ง S&P500 ตามความผันผวนของตลาดปัจจุบัน"

ตัวอย่าง

การ Backtest กลยุทธ์

ฉัน backtest กลยุทธ์การเทรดเดียวกันสองวิธี วิธีหนึ่งใช้ขนาดตำแหน่งคงที่ และอีกวิธีใช้กรอบงานขนาดตำแหน่ง GARCH

กลยุทธ์เองเป็น EMA crossover ง่าย ๆ ทำงานบนข้อมูล Bitcoin 15 ปี ฉันใช้จุดเข้า จุดออก และสัญญาณเดียวกันทั้งสองวิธี

ในช่วง 15 ปี กรอบงาน GARCH สิ้นสุดด้วยมูลค่าพอร์ตทั้งหมด $21,205 ในขณะที่ขนาดตำแหน่งคงที่สิ้นสุดที่ $17,957

ส่วนสำคัญคือกรอบงาน GARCH มีการลดลง (drawdown) น้อยกว่าอย่างมีนัยสำคัญ และโดยรวมแล้ว มีความเสี่ยงตลาดน้อยกว่าเพื่อให้ได้ยอดพอร์ตที่มากขึ้น

backtesting (ผลลัพธ์จริง)

ฉันทำการ backtest อื่น ๆ อีกมากมายที่กรอบงาน GARCH ชนะอย่างชัดเจน และนี่คือสาเหตุที่กรอบงาน quant นี้ทรงพลังมาก

VI: การนำเข้าสู่ TradingView

นี่คือส่วนสุดท้ายที่นำกรอบงานทั้งหมดมาวางบนกราฟของคุณเป็นตัวเลขสด

ใน repo มีโฟลเดอร์ Pine Script

เปิดแล้วคัดลอกทั้งไฟล์

Pine script

จากนั้นไปที่ TradingView เปิด Pine Editor วางลงไป กด Enter แล้วรีเฟรช

มันจะโหลดอินดิเคเตอร์และคะแนนการคำนวณทั้งหมดลงในกราฟสดของคุณ

การนำเข้าสู่ TradingView

เมื่อเพิ่มแล้ว คุณจะเห็นการคำนวณ "Storm Gauge" แบบสดในกราฟ TradingView ของคุณ (การคำนวณความผันผวน GARCH แบบเรียลไทม์)

Storm Gauge

ปิดท้าย

ฉันหวังว่าคุณจะพบว่ากรอบงาน quant นี้มีค่า — ฉันยังไม่เห็นใครใช้ AI ในตลาดแบบนี้จริง ๆ

ถ้าคุณพบว่ามันมีค่า อย่าลืมติดตามฉันที่นี่ @milesdeutscher — ทุกสัปดาห์ ฉันโพสต์บทความที่อธิบายว่าฉันใช้ AI เพื่อสร้างความได้เปรียบในตลาดการเงินอย่างไร

สำหรับข้อมูลเชิงลึกด้าน AI เพิ่มเติม ติดตามฉันได้ที่ @aiedge_

ถ้าคุณชอบเนื้อหาที่เป็นลายลักษณ์อักษร รู้สึกอิสระที่จะสมัครรับจดหมายข่าวตลาดฟรีของฉัน

ทุกสัปดาห์ เราตีพิมพ์งานวิจัยตลาดฟรี, เวิร์กโฟลว์การเงิน x AI จริง และอื่น ๆ อีกมากมาย

https://newsletter.milesdeutscher.com.au/