GARCH 模型是實際量化分析師每天使用的最強大的交易框架之一。

我最近的文章精確說明了我如何使用 Claude Code 來自動化這套 GARCH 量化交易策略。
以下是它背後完整的架構：包含真實數字，以及我如何讓 Claude 為我建立它：

GARCH 實際上衡量什麼
這是一個得獎無數的計算方法，最早由 Robert F. Engle 在 2003 年以「ARCH」的形式提出，之後由他的學生 Tim Bollerslev 擴展成 GARCH 模型；至今，量化交易台仍在運行它。
整體重點在於：市場波動並非隨機。它是可預測的。GARCH 就是用來衡量與預測波動的方法。

計算方式（只有 3 個輸入）
GARCH 會把明天的波動率預測值計算為下列三者之和：
→ 基礎層級變動：每個資產都帶有一個基準波動量，通常不會真的改變。比特幣的基準高於 S&P 的，始終如此。
→ 昨日的衝擊：市場在上一個交易時段實際衝了多大？
→ 昨日的波動率水位：在那次移動發生之前，波動率已經處在哪個位置？
把這三項加總，你就得到明天的「暴力分數」。

回測資料中的真實例子
在典型的一天，$BTC 發生「暴力走勢」的機率大約是 10%。
在像 FTX 崩潰這樣的衝擊之後的隔天，這個機率會增加到大約 30%。
截至撰寫時，Nasdaq 的暴力分數以年化 30% 的水平在運行。

把暴力分數轉成實際部位規模
回撤上限 ÷ 暴力分數 = 你的部位規模倍數
機構量化交易台通常把年度最大回撤上限設在 15%。所以：15/30 = 0.5x。
在 1 萬美元的基準部位上，這意味著你的部位規模應該是 5,000 美元以控管風險。
請記住：在這個框架下，你不是在預測方向；你是在控制已被衡量過的風險暴露。

重要的注意事項
GARCH 告訴你市場可能會動多少。它不告訴你會往哪個方向。
這是用來管理投資組合風險的波動率預測，而不是方向性交易訊號。
如果在平靜時期之後真的發生崩盤，這個框架不會提前抓到；你仍會用滿倉規模承受。

真的有用嗎？
我用 15 年的 BTC 資料，以兩種方式回測同一套 EMA 交叉策略：進場相同、出場相同、訊號相同。
→ 固定部位規模：17,957 美元 最終權益
→ GARCH 部位規模：21,205 美元 最終權益
GARCH 版本也以更少的回撤、以及更低的整體市場風險，取得了更好的結果。
整套量化策略的完整拆解，以及開源的 Claude Skill 與 GitHub repo，都在文章中。文章已固定在我的個人檔案上。