Профессиональный трейдер Майлз Дойчер совершил своего рода революцию в области управления рисками, автоматизировав знаменитую нобелевскую модель GARCH при помощи ИИ-агента Claude Code. По его собственному признанию, вся система была собрана искусственным интеллектом: трейдер лишь поставил задачу, а нейросеть сама превратила сложную математику в рабочий инструмент.
Что измеряет модель и как ИИ собрал её
GARCH (Generalized Autoregressive Conditional Heteroskedasticity) — это одна из самых мощных количественных моделей, которую профессиональные квантисты применяют ежедневно. Её основоположник, Роберт Ингл, получил за её разработку Нобелевскую премию в 2003 году, а его ученик Тим Боллерслев расширил модель до GARCH, которой до сих пор пользуются отделы количественного анализа по всему миру.
Ключевая идея модели заключается в том, что рыночная волатильность не случайна, а поддается прогнозированию. Дойчер объясняет, что GARCH позволяет измерить и предсказать колебания заранее, опираясь всего на три показателя:
- Базовый уровень колебаний актива (у биткоина он традиционно выше, чем у индекса S&P 500).
- Сила вчерашнего движения рынка.
- Уровень волатильности, на котором рынок находился до этого движения.
Сумма этих трех величин и даёт прогноз колебаний на завтра. Важно понимать: модель показывает, насколько сильно рынок может двинуться, но не указывает направление. Это инструмент управления риском портфеля, а не сигнал на покупку или продажу.
Роль ИИ в этом проекте оказалась ключевой. Дойчер подчёркивает, что не программировал систему сам — он описал задачу на естественном языке, а Claude Code взял на себя всю техническую реализацию.
Как прогноз превращается в размер позиции
Полученную оценку колебаний трейдер использует для расчета размера позиции. Институциональные отделы обычно ограничивают годовую просадку на уровне 15%, и от этого лимита строится вся дальнейшая математика. Если оценка колебаний по активу составляет, скажем, 30% годовых, лимит просадки делится на эту цифру — и множитель позиции выходит равным 0,5x. При базовой позиции в $10 000 это означает вход на $5 000.
Дойчер проверил реальную пользу модели на исторических данных. Он прогнал одну и ту же стратегию на пересечении скользящих средних двумя способами на пятнадцатилетнем массиве данных по биткоину — с одинаковыми входами, выходами и сигналами. При фиксированном размере позиции итоговый капитал в тесте составил $17 957. С расчетом позиции по модели GARCH результат оказался выше — $21 205.
По оценке трейдера, вариант с нобелевской моделью не только принёс больше прибыли, но и прошёл путь с меньшими просадками и общим риском. Впрочем, он предупредил о важном ограничении: при резком обвале после спокойного периода модель не сработает, и позиция будет открыта в полном объёме.
Мнение эксперта: Интеграция классических финансовых моделей с современными ИИ-агентами открывает новые горизонты для розничных трейдеров. Раньше GARCH была прерогативой институциональных фондов с командами разработчиков, теперь же любой грамотный трейдер может получить доступ к продвинутому риск-менеджменту. Однако не стоит забывать: ни одна модель, даже нобелевская, не гарантирует защиты от экстремальных рыночных событий.