Трейдер Майлз Дойчер реалізував автоматизовану торгову стратегію на базі моделі GARCH, використовуючи інструмент Claude Code. За його словами, всю систему зібрав штучний інтелект — людина лише поставила завдання.
Модель GARCH (Generalized Autoregressive Conditional Heteroskedasticity) — один із найпотужніших кількісних інструментів, яким щодня користуються професійні квант-аналітики. Її попередниця, модель ARCH, була розроблена Робертом Інглом у 2003 році та удостоєна Нобелівської премії. Пізніше учень Інгла, Тім Боллерслев, розширив її до GARCH, яка досі застосовується у відділах кількісного аналізу провідних інвестиційних домів.
Як працює модель і що вона вимірює
Головна ідея GARCH у тому, що ринкова волатильність не хаотична, а піддається прогнозуванню. Дойчер пояснив, що модель дозволяє виміряти та передбачити коливання заздалегідь, спираючись лише на три показники.
Перший — базовий рівень волатильності, який є у кожного активу і майже не змінюється. У біткоїна цей рівень традиційно вищий, ніж у індексу S&P 500. Другий — сила вчорашнього руху ринку. Третій — рівень волатильності, на якому ринок перебував до цього руху. Сума цих трьох величин і дає прогноз коливань на наступний день.
Ключову роль у проєкті відіграв саме ШІ. Дойчер підкреслив, що не програмував систему сам, а описав завдання та доручив збірку Claude Code, який перетворив математику моделі на готовий робочий інструмент.
Важливе обмеження: модель показує, наскільки сильно ринок може рухатися, але не вказує напрямок. Це прогноз волатильності для управління ризиком портфеля, а не сигнал на купівлю чи продаж.
Від прогнозу до розміру позиції
Отриману оцінку коливань Дойчер використовує для розрахунку розміру позиції. Інституційні відділи зазвичай обмежують річну просадку на рівні 15%, і від цього ліміту будується вся подальша математика.
Приклад: якщо оцінка коливань по активу становить 30% річних, ліміт просадки ділиться на неї — і множник позиції виходить рівним 0,5x. При базовій позиції у $10 000 це означає вхід на $5000.
Такий підхід не передбачає рух ціни, а лише контролює схильність до вже виміряного ризику. Для наочності Дойчер додав, що на момент написання оцінка коливань по індексу Nasdaq трималася на рівні 30% річних.
Тестування на історичних даних
Реальну користь моделі трейдер перевірив на п'ятнадцятирічному масиві даних по біткоїну. Він прогнав одну й ту саму стратегію на перетині ковзних середніх двома способами — з однаковими входами, виходами та сигналами.
При фіксованому розмірі позиції підсумковий капітал у тесті склав $17 957. З розрахунком позиції за моделлю GARCH результат виявився вищим — $21 205. За оцінкою Дойчера, варіант з нобелівською моделлю не лише приніс більше прибутку, але й пройшов шлях з меншими просадками та загальним ризиком.
Втім, експерт попередив про суттєве обмеження: при різкому обвалі після спокійного періоду модель не спрацює, і позиція буде відкрита в повному обсязі.
Думка аналітика: Інтеграція класичних економетричних моделей із сучасними ШІ-агентами — природний етап еволюції трейдингу. GARCH залишається золотим стандартом для оцінки ризику, а автоматизація через Claude Code робить її доступною не лише інституційним, але й роздрібним трейдерам. Однак сліпа довіра моделі без розуміння її обмежень — прямий шлях до втрат у моменти ринкових шоків.