如何利用 Claude 打造自動化交易機器人，從美股市場每月賺取 3% 收益（實戰指南）

好的，這就為您提供專業的繁體中文翻譯。

<code-segment id="0" lang="text">

讓我們實際一點，拋開那些自我成長大師或社群媒體炒作大師的浮誇言論。絕大多數的交易者之所以賠錢，是因為他們把市場當成了賭場；他們買入選擇權合約，期望價格翻倍，花費數小時盯著螢幕，畫著那些想像中的支撐與阻力線。這不是一門生意，而是「瞎忙」，只會耗費你的時間與精力，卻沒有真正的回報。

如果你想要達到每年 30% 到 60%（大約每月 3%）的現金流，數學邏輯很清楚：你必須成為那個「賭場」。可持續的回報並非來自於猜測，而是透過獨特的賣出選擇權策略，利用合約的時間價值（Theta 衰減）來獲利：針對 NVDA、AAPL 和 MSFT 這類 mega-cap 科技股執行「現金擔保賣權 (CSP)」和「備兌買權 (CC)」。

因為你的時間應該投入在「產生收入的活動 (RGA)」和拓展你的業務上，手動執行這些交易只是在浪費時間。在這份詳盡的技術指南中，我們將深入剖析並建構一個「全自動化交易機器人」。我們將採用現代化的基礎架構，使用 Next.js 14、TypeScript、PostgreSQL，並以 Claude 3.5 作為分析大腦，整合 MCP 協定，以實現不需人為干預、直接連接市場的目標。

</code-segment>

<code-segment id="1" lang="text">

第一部分：優勢背後的數學

在撰寫任何程式碼之前，我們必須先理解指導機器人的嚴格數學邏輯。我們不是在建立一個預測市場方向的系統，而是在建立一個向投機者出售保險的系統。

1. 買入合約的迷思與賣出合約的現實

當你買入選擇權合約時，你是在對抗三個敵人：方向、波動率和時間。時間每天都在與買方作對。但作為選擇權的賣方，時間是你最強大的盟友。我們的目標是透過時間價值的侵蝕來獲取回報，這在數學上由 Theta ($ \Theta $) 來表示。

在黑-休斯模型 (Black-Scholes) 中，選擇權的定價是基於多個因素計算的，時間衰減的表示方式如下：

∂V/∂t (時間衰減率)

其中 $V$ 是合約價值，$t$ 是距離到期日的時間。這個方程式告訴我們一件事：隨著每一天過去，我們賣出的合約價值都會下降（這正是我們想要的，因為我們希望以更低的價格買回，或是讓它到期歸零）。

2. 現金擔保賣權 (CSP) 策略

我們將要編寫的演算法邏輯，首先會依賴賣出賣權合約。

• 機制：你選擇一支高品質的股票（例如 MSFT），然後以低於當前價格的履約價，賣出一個到期日 (DTE) 在 30 到 45 天之間的賣權合約。
• 回報：你會立即在投資組合中收到一筆現金（權利金）。
• 風險：如果股票價格跌破履約價，你將被迫以那個價格買入該股票。但因為你選擇的是一檔優質股票，所以你並不介意持有它。
• 年化報酬率方程式：

年化報酬率 = (收到的權利金 / 所需擔保現金) * (365 / DTE)

機器人會針對每個機會計算這個方程式，並且只有在年化報酬率超過 36%（即每月 3%）時，才會執行交易。

3. 使用 Delta ($ \Delta $) 作為風險管理工具

我們不想出售離當前價格太近的合約。我們將指示 Claude 尋找 Delta 值在 0.15 到 0.20 之間的合約。Delta 在數學上表示合約價格相對於股票價格變化的變化率：

Delta = ∂V / ∂S

但在賣出選擇權的世界裡，Delta 被解讀為合約到期時「價內」的近似機率。Delta 為 0.15 意味著合約有 85% 的機率會到期歸零，而你可以保留全部權利金。這就是我們的數學優勢。

第二部分：技術棧與架構

依賴 No-Code 平台或零散的腳本是不專業的，也無法承受變化。我們將建立一個迷你 SaaS 系統（內部工具）來管理這個機器人。

使用的技術：

1. Next.js 14 (App Router)：系統的核心架構，為我們提供一個後端儀表板，以及一個執行 API Routes 來與 Claude 通訊的環境。
2. TypeScript：確保嚴格的型別安全，特別是在處理金融金額和複雜交易時。
3. PostgreSQL & Prisma：用於記錄每一筆交易、Claude 所做的每一個決策，以及追蹤合約狀態（開倉、平倉、被指派）。
4. Alpaca API：將透過 MCP 連接的金融經紀商。

資料庫設計 (Prisma Schema)

我們需要準確追蹤每個交易週期。以下是基本的資料結構：

1model Trade {
2  id          String   @id @default(uuid())
3  symbol      String
4  optionType  String   // "put" or "call"
5  action      String   // "sell_to_open" or "buy_to_close" or "buy_to_open" or "sell_to_close"
6  strikePrice Float
7  expiration  DateTime
8  premium     Float
9  quantity    Int
10  status      String   // "open", "closed", "assigned"
11  closedAt    DateTime?
12  aiReasoning String?  // JSON log of the prompt and response
13  createdAt   DateTime @default(now())
14}

這個設計確保你之後可以審查機器人的決策（AI 推理），應用 80/20 法則：你只需審查數據，而不是執行交易。

第三部分：Claude 的 MCP 協定魔法

這就是範式轉變的關鍵。在過去，建立一個 AI 交易機器人需要編寫數百行程式碼，將 LLM 的文字轉換成 API 指令（解析）。

MCP 協定從根本上解決了這個問題。它是一個開放標準，允許 Claude 直接與 API 對話，理解其結構，並原生地呼叫其函式。

設定 Alpaca MCP Server

Alpaca 提供了一個 MCP 伺服器，讓 Claude 可以讀取市場數據並執行交易。我們將在本機或你的伺服器上運行這個伺服器，以便 Claude 與它通訊。

1. 透過 uv 安裝：uv 工具是管理 Python 環境最快的方式。我們將該伺服器加入 Claude 的設定檔。建立或修改 claude_desktop_config.json 檔案：

1{
2  "mcpServers": {
3    "alpaca": {
4      "command": "uvx",
5      "args": ["alpaca-mcp"],
6      "env": {
7        "ALPACA_API_KEY": "你的 API Key",
8        "ALPACA_SECRET_KEY": "你的 Secret Key",
9        "ALPACA_PAPER": "true"
10      }
11    }
12  }
13}

嚴格規則：永遠先設定 ALPACA_PAPER: "true"。無論你對程式碼多有信心，真實市場不會原諒程式錯誤。

Claude 如何理解這些工具？

一旦 MCP 運行起來，Claude 就會在它的上下文中擁有可供使用的工具，例如：

• get_account()：查詢可用現金。
• get_options_chain(symbol)：拉取選擇權鏈、權利金價格和 Greeks。
• place_order(symbol, qty, side, type, ...)：將訂單發送到市場。

第四部分：提示詞工程與執行介面

我們的機器人將作為一個排程任務 (Cron Job) 運行，透過 Next.js 的 API Route，在每個交易日開盤時（或收盤前一小時，這是為選擇權定價的最佳時間）觸發。

我們將編寫 TypeScript 程式碼，將嚴格的上下文發送到 Anthropic API 介面。

1// app/api/trade/route.ts
2import { NextResponse } from 'next/server';
3import Anthropic from '@anthropic-ai/sdk';
4
5const anthropic = new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY });
6
7export async function GET() {
8  const systemPrompt = `You are a professional options trader bot. Your goal is to generate 3% monthly return by selling Cash-Secured Puts (CSPs) on mega-cap tech stocks. Follow these rules strictly:  
91. Use the 'get_account' tool to check available cash.  
102. Use the 'get_options_chain' tool for symbols ['NVDA', 'AAPL', 'MSFT'].  
113. Filter for: Delta between 0.15 and 0.20, DTE between 30 and 45.  
124. Calculate annualized return. Execute trade only if > 36%.  
135. Always use Limit orders. Do not touch earnings weeks.  
146. Only trade with 70% of available cash.`;
15
16  const msg = await anthropic.messages.create({
17    model: 'claude-3-5-sonnet-20241022',
18    max_tokens: 1024,
19    system: systemPrompt,
20    messages: [{
21      role: 'user',
22      content: 'Analyze the market now. Check my account, find the best Put to sell today for a 3% monthly return.'
23    }],
24  });
25
26  return NextResponse.json(msg.content[0].text);
27}

第五部分：進階自動化（交易管理與展期）

開倉是容易的部分。真正的挑戰，是區分業餘與專業人士的關鍵，在於交易管理。我們不能讓合約一直開到到期，冒著被指派或市場劇烈波動的風險。

機器人必須被設定成透過定期 API 呼叫，每天執行以下檢查任務：

1. 機械式獲利了結

黃金法則：不要貪心想賺到全部權利金。合約生命週期的最後階段，價值侵蝕的速度會變慢（Gamma 風險）。

• 程式化邏輯：如果當前合約價值跌至賣出價格的 70% 到 80%，指令 Claude 立即執行平倉 (Buy to Close)。
• 原因：及早釋放資金（購買力），以便在新的、報酬率更高的交易中重複使用，從而強化複利效應。

2. 危機管理策略（展期協議）

如果我們賣出了 NVDA 履約價 100 美元的賣權，但股價突然跌到 102 美元呢？這個合約現在有變成價內的風險。

• 機器人必須包含「展期 (Rolling)」邏輯。
• 展期如何在程式上運作？ 簡單來說，就是向 Alpaca 發送一個多腿訂單：第一腿是 (Buy to Close) 賣出當前虧損的合約，第二腿是 (Sell to Open) 賣出一個到期日更遠（例如，再多 30 天）且履約價更低（例如，95 美元）的新合約。
• 展期的數學條件：展期必須是「淨信用 (Net Credit)」交易（意思是新合約的權利金足以覆蓋舊合約的損失，並為投資組合增加額外金額）。我們將指示 Claude 在數學上計算這一點，並且只有在 Net Credit > 0 時才執行展期。

第六部分：消除瞎忙，應用 80/20 法則

作為開發者和企業主，你的時間非常寶貴。最初建立這個複雜系統的想法，就是為了達到「零人為干預」的狀態。

我們如何在這裡應用 80/20 法則？

• 80% 的成果：來自於穩固的數學策略（賣出權利金、選擇強勢股、管理 Delta）。
• 20% 的努力：應該放在監控你用 Next.js 建立的儀表板，以檢視機器人的績效，而不是每天打開交易應用程式。

要啟用這一點，不要進行任何手動呼叫或決策。將機器人連結到一個透過電子郵件發送的通知系統（透過整合到 Next.js 的 Resend/SendGrid 發送的郵件行銷工具或一般郵件）。每當機器人執行交易、平倉或進行展期時，它就會發送一封摘要郵件給你。你只需閱讀摘要。這才是自動化服務於創造收入活動的真正意義。

第七部分：看不見的風險與壓力測試

沒有任何系統是零風險的。在用「真金白銀」啟動機器人之前，你必須確保以下幾點，以避免災難：

1. 財報發布行情風險

AI 沒有感覺，但如果你沒有提供正確的數據，它可能會是盲目的。在大型公司（如 NVDA）公布財報之前，隱含波動率 (IV) 會大幅上升，推高權利金價格到非常誘人的水平。

• 錯誤：機器人會看到每月 10% 的回報，而不是 3%，然後執行大額訂單。
• 演算法解決方案：必須加入一個工具，讓 Claude 能夠獲取財報日期。在提示詞中設定：「不要賣出任何在該公司財報當週到期的合約，以避免跳空風險。」

2. 流動性與買賣價差風險

大型科技股具有高流動性，但深度價外的選擇權合約可能會有較大的價差。

• 給機器人的指示：「在計算回報和決定履約價時，不要只使用 Mark Price。檢查 Bid 和 Ask。如果價差大於 Bid 價格的 10%，則忽略該交易，因為滑點會侵蝕回報。」
• 機器人必須嚴格執行限價單，並且絕不在選擇權市場使用市價單。

3. 安全機制架構

如果市場發生閃電崩盤，NVDA 在一天內暴跌 15% 怎麼辦？

• 必須在 Next.js 後端寫入一條硬編碼規則，獨立於 Claude 的控制之外。
• 範例：if (marketDrop > 5%) { suspendBotActivity() }。
• 在金融恐慌（黑天鵝事件）期間，不要 100% 依賴 LLM。暫時停止自動執行，由你接手評估，然後再重新啟動。

第八部分：部署與擴展

現在，系統已經準備好了，程式碼寫好了，提示詞也嚴謹了。我們要如何將它放到真正的「生產環境」中？

1. 後端託管：將你的 Next.js 專案部署到 Vercel 或 AWS。
2. 資料庫管理：使用 Supabase 或 Neon 等服務來簡化 PostgreSQL 的管理。
3. 設定排程任務：你可以使用 GitHub Actions、Vercel Cron 或 Inngest 等外部服務，在每天的特定時間（例如，紐約時間上午 10:00，開盤混亂結束後）執行機器人的 API。
4. 開發與測試環境：持續運行 ALPACA_PAPER: "true" 長達一個月（一個完整的選擇權週期）。監控機器人的績效。它在模擬環境中達到了 3% 的目標嗎？它在面對虧損合約時是否表現得夠聰明，並正確地執行展期？
5. 正式上線：當數據證明演算法是成功的，將 API 密鑰換成真實的。先在真實市場中，只使用你投資組合的 10% 作為初始測試。

結語（殘酷的事實）

這個系統不是一個能讓你一夜致富的魔法工具。它是為了服務一個數十年來已被證明成功的金融策略而應用的先進軟體工程。你正在融合 AI (Claude) 在分析和計算 Greeks 方面的力量、透過 MCP 協定實現的 API 速度，以及 Next.js 環境的穩定性，來執行造市者 (Market Makers) 在做的事情。

不要尋找捷徑。遵守規則：賣出權利金、堅持大型科技股、必要時進行展期、絕不買入缺乏時間價值的合約。讓機器去做那些困難且乏味的工作，並將你的注意力導向建立你的事業、開發你的其他軟體，以及那些能為你的生活帶來真正改變的、產生收入的活動。

</code-segment>