企业官网建设流程全解析

AI Market Maker风险管理台拆解：仓位规模与波动率控制的实现原理

【免费下载链接】ai-market-makerAgentic AI Hedge Fund OS (AIMM)项目地址: https://gitcode.com/gh_mirrors/ai/ai-market-maker

AI Market Maker（AIMM）是一个 Agentic AI 对冲基金操作系统，让多个 AI 交易 Agent 像真实投研团队一样协作交易。它的风险管理台由两个核心 Agent 组成：风险管理台（Risk Desk）负责按波动率计算每个标的的仓位规模与止损价，风险守卫（Risk Guard）则在最后一道环节行使一票否决权。本文拆解这两者如何实现"波动率控制仓位、回撤控制生死"的风控闭环。

风险管理台的双角色：建议仓位 + 一票否决

在 AIMM 的 Agent 编排流水线中，风险管理台位于两个关键位置：

1. 风险顾问（建议层）：在所有 9 个 Tier-0 分析 Agent（宏观、新闻、技术、情绪等）完成分析之后、桌面辩论（Desk Debate）开始之前运行，为下游组合节点输出"建议仓位 + 波动率画像"。它只有建议权，没有否决权。
2. 风险守卫（治理层）：位于组合执行提案之后、真实下单之前，是唯一拥有Veto Power（一票否决）的治理节点，风险评分超过阈值时直接否决整个提案。

这套"建议在前、否决在后"的设计，对应两个源码文件：

• 风险管理台：src/agents/risk_management.py
• 风险守卫：src/agents/governance/risk_guard.py

两者的角色分工与数据契约在 docs/personas/10_risk_desk.md 中完整定义。

波动率怎么算：20 根 K 线的相对波动率

风险管理台不需要复杂的风险模型。它对每个标的取最近最多 20 根 K 线的收盘价，计算标准差并除以均价，得到一个"相对波动率"：

• 均价 = 近 20 根收盘价的算术平均
• 波动率 = 收盘价标准差 / 均价
• 数据不足 2 根时退化为固定 0.02（2%）的保守估计

实现在 src/agents/risk_management.py#L27-L36。

这个设计有两个优点：短窗口能紧跟市场 regime 变化（行情变野时仓位自动缩小）；数据不足时给默认值保证回测第一根 K 线就能正常出仓位。

波动率仓位公式：cap / (1 + volatility)

拿到波动率后，仓位规模用一条非常直观的公式控制：

position_size = min(上限, 上限 / (1 + 波动率)) × 风险乘数

其中"上限"来自基金策略文件的risk_position_cap_usd（默认2800 美元），即任何单一标的的建议仓位不会超过这个值。核心逻辑在 src/agents/risk_management.py#L42：

波动率每翻一倍，仓位就按 1/(1+波动率) 递减——这是典型的波动率倒数加权思路，保证组合承担的风险暴露与市场实际波动匹配。

止损与估值修正：什么时候仓位再减半？

除波动率外，风险管理台还做两件防御动作：

• 止损价：按策略文件的stop_loss_pct（默认 2.5%）计算，止损价 = 现价 × (1 − 止损比例)，见 src/agents/risk_management.py#L43-L44。
• 估值修正：如果估值 Agent 给出的公允价格低于当前市价（即"市场价偏贵"），风险乘数直接取0.5，仓位再砍一半；估值合理或偏低时乘数为 1.0。

这样，波动率和估值两个维度会叠加收缩仓位——市场又贵又野时，单标的仓位可能只有上限的 40% 左右。

风险守卫否决机制：回撤、杠杆、急停三重闸门

风险守卫RiskGuardAgent对每份执行提案计算一个0~1 的风险评分，评分 >0.8 直接 VETO（否决），见 src/agents/governance/risk_guard.py#L40-L55。评分由三类闸门驱动：

1️⃣ 回撤熔断（Drawdown Stop）

用组合净值与其历史峰值计算回撤比例：dd = 1 − 净值 / 峰值。一旦达到策略里的risk_max_drawdown_stop（默认12%），风险评分直接置 1.0，必然触发否决——这是组合级的"断路器"，见 src/agents/governance/risk_guard.py#L116-L129。

2️⃣ 杠杆/敞口软闸门

用总敞口 / 净值 计算实际杠杆，与策略的max_leverage（默认 2 倍）比较：

• 杠杆超过上限102%：评分至少 0.95，接近必否决；
• 杠杆接近上限90%以上：评分至少 0.75，进入高危区。

这是"软闸门"——不是硬性拒单，而是通过抬高风险评分影响下游决策。

3️⃣ 急停开关（Kill Switch）

只要设置了环境变量AIMM_KILL_SWITCH或AIMM_RISK_GUARD_KILL_SWITCH，所有执行提案无条件否决，评分锁定 1.0。这是留给运维人员的"物理急停按钮"，见 src/agents/governance/risk_guard.py#L28-L38。

此外还有一个兜底：如果拿不到足够的组合快照无法计算，评分默认给0.35并标注"信息不足、默认谨慎"——宁可保守，不误放行，见 src/agents/governance/risk_guard.py#L144-L146。

策略配置：一份 JSON 管住所有风控参数

上述所有阈值都不是写死在代码里的，而是集中在单一策略文件中作为"单一事实来源"，由 src/config/policy_loader.py 严格加载并做边界校验：

• 默认策略：config/policy.default.json
• 参数含义：docs/policy-schema.md
• 参数类型定义：src/config/policy_types.py

与风控直接相关的核心参数速查（以 config/policy.default.json#L17-L19 为例）：

项目还内置了针对不同风格的策略预设（如 config/policy.buffett.json、config/policy.daytrade.json）：价值型（Buffett 风格）回撤线更紧（12%、冷却 240 根 K 线），而日内/剥头皮风格放宽到 20%~22% 并缩短冷却期——风格不同，风控松紧不同。

小结：三层防线如何构成风控闭环

AIMM 的风险管理台可以概括为三道递进的防线：

1. 仓位层（风险管理台）：波动率倒数加权 + 估值修正 + 固定上限，从源头控制每笔交易的规模；
2. 熔断层（策略参数）：回撤达 12% 触发组合级断路器并进入冷却期，防止情绪化追单；
3. 否决层（风险守卫）：杠杆越界、回撤触线或急停开关生效时，一票否决所有执行提案。

对新手而言，这套架构最值得借鉴的正是它的分层思想：风控不靠单一指标，而是"仓位收缩 → 熔断冷却 → 最终否决"层层递进。如果你希望深入了解每个风控 Agent 的输入输出契约与 SOP，建议阅读 docs/personas/10_risk_desk.md 和风险守卫的技能说明 src/agents/governance/risk_guard/SKILL.md。

【免费下载链接】ai-market-makerAgentic AI Hedge Fund OS (AIMM)项目地址: https://gitcode.com/gh_mirrors/ai/ai-market-maker