Constat (mesuré le 2026-10-03)
Le dépôt porte une part importante des exemples du livre Hands-On AI Trading with Python, QuantConnect, and AWS (Jared Broad et al., Wiley, 2025). Trois choses manquent pour dire si cette digestion est bonne :
- L'inventaire se contredit.
MyIA.AI.Notebooks/QuantConnect/BOOK_MAPPING.md marque GAP des exemples du chapitre 06 pour lesquels un projet existe (projects/Positive-Negative-Splits-ML pour 06-07, projects/Dividend-Harvesting-ML pour 06-06, projects/PCA-StatArbitrage pour 06-13, projects/TradingCosts-Optimization pour 06-12, projects/ML-HeadShoulders-CNN pour 06-17, projects/ML-Trend-Scanning pour 06-01, etc.). À l'inverse, MyIA.AI.Notebooks/QuantConnect/docs/HANDSON_AI_TRADING_MAPPING.md (v3.0) annonce « all 19 Applied ML examples implemented », alors que deux projets ne sont qu'un README.
- Aucun document ne compare les résultats annoncés par le livre à nos reproductions. Le livre donne pourtant des chiffres et des analyses de sensibilité par exemple (Corrective AI, ch. 08 : Sharpe 0,88 pour la stratégie primaire sur oct. 2021 - janv. 2023, 1,29 après correction). Nos campagnes (
docs/qc/qc-comparative-backtests.md, docs/qc/qc-strategies-status.md) mesurent nos portages sous la grille de frais IBKR, sans jamais les mettre en regard du livre. On ne sait donc pas si un portage faible l'est parce que l'idée ne tient pas, parce que le livre la présente dans des conditions plus favorables, ou parce que notre portage s'en écarte.
- Des portages restent des coquilles ou ne tournent pas :
projects/Corrective-AI/ (README seul), projects/RL-Options-Hedging/ (README seul, « Type: Stub »), projects/ML-FinBERT-Sentiment/ (le projet QC Cloud 29936073 a tourné avec 0 trade : le modèle ne se charge pas sur QC Cloud).
Sources
- Livre extrait (PDF + markdown) dans la bibliothèque partagée :
G:\Mon Drive\MyIA\IA\Bibliographie IA\Trading\2025 - Hands_On_AI_Trading_with_Python_QuantCon.pdf (et .md, même nom)
- Code du livre : https://github.com/QuantConnect/HandsOnAITradingBook
- Nos inventaires : les deux fichiers de mapping ci-dessus. Nos mesures :
docs/qc/qc-comparative-backtests.md, docs/qc/qc-strategies-status.md.
Découpage
| # |
Grain |
Issue |
| 1 |
Réconcilier les deux inventaires : un seul fait foi, l'autre y renvoie |
#18899 |
| 2 |
Comparer, exemple par exemple (ch. 06-08), le résultat annoncé par le livre et notre reproduction ; tout écart inexpliqué devient une issue |
#18900 |
| 3 |
Corrective-AI (08-02) : compléter le portage |
#18901 |
| 4 |
RL-Options-Hedging (07-01) : compléter le portage |
#18902 |
| 5 |
ML-FinBERT-Sentiment (06-19) : faire tourner le modèle sur QC Cloud |
#18903 |
Les exemples qui semblent encore sans portage (06-04/03 HMM sur options d'indice, 06-08/03 couverture par put pilotée par ML, 06-19/02 FinBERT affiné, 08-01 optimisation conditionnelle de portefeuille, partielle) seront confirmés par le grain 1 avant toute issue de portage : l'inventaire actuel n'est pas fiable.
Issues voisines, hors de cet EPIC : évaluation de stratégies publiques du Strategy Explorer QC (#18904, #18905, #18906) et méthode des expériences ML (#18907).
Critère de fin
- un inventaire unique et à jour, qui cite pour chaque exemple du livre le projet ou le notebook du dépôt et son état ;
- un verdict par exemple des chapitres 06 à 08 :
REPRODUIT (écart expliqué) / ÉCART (issue ouverte avec diagnostic) / NON PORTÉ (issue ouverte, ou exclusion motivée : licence MLFinLab, API PredictNow payante...) ;
- plus aucun projet réduit à un README sans mention explicite de son statut.
Prise en charge : lane myia-po-2024:CoursIA-3, par tranches. Les grains restent ouverts à toute lane ([CLAIMED] sur l'issue fille avant d'éditer).
Constat (mesuré le 2026-10-03)
Le dépôt porte une part importante des exemples du livre Hands-On AI Trading with Python, QuantConnect, and AWS (Jared Broad et al., Wiley, 2025). Trois choses manquent pour dire si cette digestion est bonne :
MyIA.AI.Notebooks/QuantConnect/BOOK_MAPPING.mdmarqueGAPdes exemples du chapitre 06 pour lesquels un projet existe (projects/Positive-Negative-Splits-MLpour 06-07,projects/Dividend-Harvesting-MLpour 06-06,projects/PCA-StatArbitragepour 06-13,projects/TradingCosts-Optimizationpour 06-12,projects/ML-HeadShoulders-CNNpour 06-17,projects/ML-Trend-Scanningpour 06-01, etc.). À l'inverse,MyIA.AI.Notebooks/QuantConnect/docs/HANDSON_AI_TRADING_MAPPING.md(v3.0) annonce « all 19 Applied ML examples implemented », alors que deux projets ne sont qu'un README.docs/qc/qc-comparative-backtests.md,docs/qc/qc-strategies-status.md) mesurent nos portages sous la grille de frais IBKR, sans jamais les mettre en regard du livre. On ne sait donc pas si un portage faible l'est parce que l'idée ne tient pas, parce que le livre la présente dans des conditions plus favorables, ou parce que notre portage s'en écarte.projects/Corrective-AI/(README seul),projects/RL-Options-Hedging/(README seul, « Type: Stub »),projects/ML-FinBERT-Sentiment/(le projet QC Cloud 29936073 a tourné avec 0 trade : le modèle ne se charge pas sur QC Cloud).Sources
G:\Mon Drive\MyIA\IA\Bibliographie IA\Trading\2025 - Hands_On_AI_Trading_with_Python_QuantCon.pdf(et.md, même nom)docs/qc/qc-comparative-backtests.md,docs/qc/qc-strategies-status.md.Découpage
Les exemples qui semblent encore sans portage (06-04/03 HMM sur options d'indice, 06-08/03 couverture par put pilotée par ML, 06-19/02 FinBERT affiné, 08-01 optimisation conditionnelle de portefeuille, partielle) seront confirmés par le grain 1 avant toute issue de portage : l'inventaire actuel n'est pas fiable.
Issues voisines, hors de cet EPIC : évaluation de stratégies publiques du Strategy Explorer QC (#18904, #18905, #18906) et méthode des expériences ML (#18907).
Critère de fin
REPRODUIT(écart expliqué) /ÉCART(issue ouverte avec diagnostic) /NON PORTÉ(issue ouverte, ou exclusion motivée : licence MLFinLab, API PredictNow payante...) ;Prise en charge : lane
myia-po-2024:CoursIA-3, par tranches. Les grains restent ouverts à toute lane ([CLAIMED]sur l'issue fille avant d'éditer).