Skip to content

[QC-research] Tester le filtre Fear & Greed sur le régime markovien existant (#19465) #15534

Closed
Closed
[QC-research] Tester le filtre Fear & Greed sur le régime markovien existant (#19465)#15534
Labels
candidate-deliveredReferenced by a merged PR with no post-merge activity -- candidate for close triage (#10466)quantconnect-researchMoissonnage QC research — distillation intelligente

Description

@myia-ai-01
myia-ai-01
opened on Sep 11, 2026

Article source

Constat vérifié

L’article teste un filtre de trades fondé sur le dataset QuantConnect Fear and Greed Index. Un modèle MarkovRegression à deux régimes classe l’environnement ; sur des trades intraday aléatoires, juillet 2015–avril 2025, seeds 30 à 50, le filtre augmente le net profit sur 18/21 seeds (85,7 %).

Cette preuve reste limitée : frais explicitement supprimés (ConstantFeeModel(0)), critère principal = net profit, stratégie sous-jacente aléatoire et article QC sans source académique primaire. Elle établit une hypothèse à tester, pas un edge transférable.

Le voisinage sur origin/main offre une cible de consolidation naturelle : projects/Markov-Regime-Detection/ utilise déjà statsmodels.MarkovRegression, mais apprend ses régimes sur les rendements de SPY et arbitre mensuellement SPY/TLT/GLD. Aucun code du projet ne consomme le Fear and Greed Index. Au 2026-09-11, aucune issue/PR ne cite l’article 19465 et aucune PR ouverte ne touche ce dossier.

Scope atomique

Cible unique : MyIA.AI.Notebooks/QuantConnect/projects/Markov-Regime-Detection/**.

  1. Lire l’article intégralement et identifier au moins une source primaire sur les régimes de sentiment, les indicateurs de peur/avidité ou la valeur conditionnelle de tels filtres. L’article QC reste un point d’entrée, pas la source canonique.
  2. Prober d’abord dans QC Cloud la disponibilité et la profondeur historique réelles du dataset FearGreedIndex. Si l’accès ou l’historique est gated, poser le verdict SOTA approprié ; ne pas fabriquer un proxy avec VIX ou moyennes mobiles.
  3. Comparer la baseline actuelle à une variante où le signal Fear & Greed modifie uniquement la décision d’exposition, en conservant une fenêtre OOS distincte et les autres paramètres autant que possible.
  4. Tester les seeds 30–50 quand une composante stochastique subsiste ; sinon expliquer pourquoi le déterminisme rend ce sweep sans objet et tester plusieurs sous-périodes/régimes de marché.
  5. Appliquer des coûts réalistes, contrairement à l’article, et rapporter Sharpe, CAGR, MaxDD, PSR, net profit et turnover pour baseline et variante.
  6. Conclure BEATS, NO BEATS ou INCONCLUSIVE. Si le filtre n’améliore pas robustement le projet, conserver le verdict analytique sans alourdir main.py.

Acceptance

  • Article lu intégralement ; hypothèses, protocole 21-seeds, résultat 18/21 et caveat zéro-frais explicités.
  • Au moins une source primaire identifiée, lue et archivée selon la règle bibliographique.
  • docs/qc/qc-strategies-status.md et le dossier Markov-Regime-Detection relus firsthand.
  • Dataset Fear & Greed probé dans QC Cloud avant implémentation complète ; aucune substitution dégradée.
  • Baseline et variante compilées puis backtestées via QC Cloud sur une fenêtre OOS distincte, avec coûts.
  • Sharpe/CAGR/MaxDD/PSR/net profit/turnover comparés ; robustesse multi-seed ou multi-régime justifiée.
  • Verdict de l’Epic coché et justifié : CONSOLIDATION, PÉDAGOGIQUE, NOUVEAU ou IGNORE.
  • Toute PR porte Grain: DEEP/qc et reste bornée au dossier existant.

Hors scope

  • Créer un nouveau projet en copiant le notebook de l’article.
  • Remplacer le dataset Fear & Greed par un proxy VIX fabriqué.
  • Revendiquer 85,7 % comme performance de trading : c’est une fréquence d’amélioration du net profit sur les 21 seeds de l’article.
  • Modifier une autre stratégie QC sans nouveau grounding et sans amendement explicite du claim.

Activity

  1. myia-ai-01 commented on Sep 11, 2026

    @myia-ai-01
    myia-ai-01
    on Sep 11, 2026
    CollaboratorAuthor

    [CLAIMED] lane myia-po-2023:CoursIA -- Grain: DEEP/qc — prev: LIGHT/readme #15494 — article #19465, probe FearGreedIndex QC Cloud, baseline/variante Markov, coûts et robustesse -- paths: MyIA.AI.Notebooks/QuantConnect/projects/Markov-Regime-Detection/**

    (check_lane_claim #9774 -- server-stamped UTC; body timestamps are NOT authoritative. Release with [RELEASED] when your PR lands.)

  2. myia-po-2023 commented on Sep 11, 2026

    @myia-po-2023
    myia-po-2023
    on Sep 11, 2026
    Collaborator

    Probe dataset FearGreedIndex — verdict : DISPONIBLE, profond, non gated (SOTA-OK côté accès).

    Méthode (projet QC Cloud Myia-Probe-FearGreed-15534, #36386733) : backtest 2014-01-01 → 2026-01-01 qui souscrit le dataset et mesure la profondeur réellement livrée. Trois itérations :

    1. v1/v2 : from QuantConnect.Data.Custom.CNN import FearGreedIndex + ticker CNN.FG → 0 ligne (import en échec). Ce namespace n'existe pas ; c'était une hypothèse de travail, pas un fait.
    2. v3 (docs officielles datasets/quantconnect/fear-and-greed) : classe exposée par le wildcard AlgorithmImports, ticker "FG" → ≥ 2500 lignes quotidiennes livrées jusqu'à déc. 2025 (encodage totalOrders = min(10, n//250) = 10 ; docs : couverture depuis juillet 2014, dense, quotidien, ~2 j de délai).

    Conséquences pour les points 2-3 de l'issue : pas de verdict RECOVERABLE-*/INTRINSIC à poser, pas de substitution VIX — le vrai dataset tourne. tradeableDates passe de 3018 à 4384 entre les deux sondes, confirmation supplémentaire que les données affluent.

    Source primaire (point 1) : Huang, Jiang, Tu & Zhou (2015), « Investor Sentiment Aligned: A Powerful Predictor of Stock Returns », Review of Financial Studies 28(3), 791-837 — l'indice de sentiment aligné comme prédicteur puissant des rendements ; l'article #19465 (Melchin) reste le point d'entrée opérationnel, cette référence est la source académique primaire qu'il invoque implicitement.

    Plan d'exécution (multi-cycles, branche feature/15534-markov-feargreed créée) : consolidation du projet existant via paramètre use_feargreed (défaut 0 = baseline v1.1 strictement inchangée) — overlay fidèle à #19465 : MarkovRegression(k_regimes=2) sur l'historique trailing de l'indice, exposition SPY halved quand le régime SPY demande du risque mais le régime indice est « greedy » (régime identifié par sa moyenne ajustée, jamais par numéro). Frais IB conservés (contrairement à l'article qui les supprimait). Sweep seeds sans objet (fit déterministe, aucune composante stochastique — l'aléa de #19465 venait de ses trades aléatoires) → robustesse par sous-périodes à la place. A/B complet + métriques (Sharpe/CAGR/MaxDD/PSR/net profit) au prochain cycle.

  3. myia-po-2023 commented on Sep 11, 2026

    @myia-po-2023
    myia-po-2023
    on Sep 11, 2026
    Collaborator

    [RELEASED] lane myia-po-2023:CoursIA — Grain: DEEP/qc — livrable PR #15541 (head 111a667664).

    Verdict : NO BEATS sur les trois fenêtres

    Fenêtre Bras Sharpe CAGR MaxDD Profit net PSR Ordres
    2015-2026 A baseline 0.290 7.182 % 23.700 % 114.572 % 0.197 % 103
    2015-2026 B variante 0.019 3.318 % 26.300 % 43.243 % 0.004 % 105
    IS 2015-2020 A baseline 0.229 4.735 % 16.700 % 26.038 % 1.859 % 44
    IS 2015-2020 B variante 0.051 2.653 % 14.500 % 13.996 % 0.526 % 45
    OOS 2021-2026 A baseline 0.297 8.991 % 23.700 % 53.825 % 2.596 % 41
    OOS 2021-2026 B variante −0.123 3.278 % 22.500 % 17.510 % 0.121 % 42

    Frais Interactive Brokers conservés dans les deux bras (l'article les supprimait par ConstantFeeModel(0)). Fenêtre OOS 2021-2026 distincte, comme exigé. Le Sharpe devient négatif en OOS pour la variante ; le seul avantage de B (MaxDD IS 14.500 % vs 16.700 %) est mécanique — exposition réduite de moitié — et il est écrit comme tel plutôt que présenté comme un gain.

    Robustesse : le sweep seeds 30–50 de l'article est sans objet ici (stratégie déterministe, MarkovRegression ne dépend d'aucune graine) — la robustesse est testée par sous-périodes de marché, conformément à l'acceptance.

    Turnover : non exposé par qc-mcp-lite (six statistiques) → nombre d'ordres déclaré comme proxy, quasi identique dans chaque fenêtre (103/105, 44/45, 41/42).

    Verdict Epic : CONSOLIDATION — l'article est absorbé par le projet existant en overlay optionnel (défaut use_feargreed=0, comportement v1.1 strictement inchangé), le verdict analytique est conservé sans alourdir la baseline. Aucune substitution dégradée : sonde dataset préalable sur QC Cloud, aucun proxy VIX.

  4. myia-ai-01
    added a commit that references this issue on Sep 11, 2026

    feat(qc,#15534): overlay Fear & Greed sur le regime markovien -- verd…

    116385d
  5. github-actions
    added
    candidate-deliveredReferenced by a merged PR with no post-merge activity -- candidate for close triage (#10466)
    on Sep 12, 2026
  6. jsboige
    added
    quantconnect-researchMoissonnage QC research — distillation intelligente
    on Sep 15, 2026

  7. jsboige commented on Sep 17, 2026

    @jsboige
    jsboige
    on Sep 17, 2026
    Owner

    Disposition close (lane myia-po-2025:CoursIA, urne delivered, cycle 2026-09-17) : acceptance 8/8 verifiee firsthand contre PR #15541 (MERGED 2026-09-11T07:34Z, Grain: DEEP/qc, lane po-2023). Artefact confirme sur origin/main : commit 116385d, use_feargreed present dans Markov-Regime-Detection/main.py:77. Verdict NO BEATS consolide sur 3 fenetres (full/IS/OOS) avec backtestIds cites, source primaire archivee dans les 2 README, dataset sonde pre-implementation. Aucun residuel.

  8. jsboige
    closed this as completedon Sep 17, 2026
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

No one assigned

    Labels

    candidate-deliveredReferenced by a merged PR with no post-merge activity -- candidate for close triage (#10466)quantconnect-researchMoissonnage QC research — distillation intelligente

    Projects

    No projects

      Milestone

      No milestone

      Relationships

      None yet

      Development

      No branches or pull requests

      Issue actions