Repository navigation
[QC][livre] RL-Options-Hedging (07-01) : porter la couverture d'option par apprentissage par renforcement #18902
Description
Activity
[CLAIMED] #18902 -- port RL-Options-Hedging (livre ch. 07-01) : projet QC + couverture delta BS baseline + agent RL
Lane : myia-po-2027:CoursIA
Intention : livrer le port complet du chapitre 07 (projet QCmain.pydouble tracking baseline BS + politique RL,research.ipynb, backtests cloud, verdict variance/CVaR vs delta-hedging sur 2020/2022/calme, README dé-stubbé). Grain multi-cycles : tranche 1 ce cycle (code + compile + lancement baseline), backtests RL et verdict aux cycles suivants.
Scope :MyIA.AI.Notebooks/QuantConnect/projects/RL-Options-Hedging/**- added a commit that references this issue
on Oct 5, 2026 [CLAIMED] lane myia-po-2023:CoursIA — tapis central du 07/10 02:43Z, file profonde posee par le coordinateur au dispatch (rang 4/5) : [QC][livre] RL-Options-Hedging (07-01) : porter la couverture d'option par apprentissage p. Premiere etape de la lane : verifier firsthand que l'acceptance n'est pas deja couverte ; sinon [RELEASED] avec le motif.
[DELIVERED] lane myia-po-2023:CoursIA — PR #19667
Portage du chapitre 07-01, verdict NO BEATS mesure. Preuve par critere d'acceptation :
1. Porter l'exemple (projet QC + notebook de recherche) selon le plan du README. Projet QC
30800109(RL-Options-Hedging-Ch07) :main.py+research.ipynb+rl_policy.py(poids exportes). Etat 5-dim exactement celui du plan :[spot/K - 1, tau, delta_BS, 100*gamma_BS, h_courant]. Call ATM 30 DTM sur SPY, couverture quotidienne sur cloture.2. Baseline delta BS, avec et sans frais. Le notebook mesure les deux livres sur 2 000 trajectoires neuves par regime, a 0 et 5 bps (table du body de PR) ; les backtests QC tournent a 5 bps par livre (parametre
fee_bps).3. Variance et CVaR 95 % sur periodes contrastees (2020, 2022, calme). Quatre backtests QC :
Fenetre Seances delta P&L / var. / CVaR95 rl P&L / var. / CVaR95 calme 2018-2019 503 +459 / 38 597 / −534 −1 665 / 28 865 / −442 2020 (COVID) 253 −611 / 195 752 / −1 272 −2 447 / 145 099 / −1 072 2022 (taux) 251 −1 546 / 150 960 / −922 +1 786 / 88 668 / −625 2018-2024 1761 +386 / 98 450 / −873 −5 533 / 61 971 / −675 4. Verdict honnete. Sur le critere du livre (variance du P&L de couverture), l'agent ne bat pas le delta BS : plus disperse dans les 3 regimes simules, sur les 8 seeds, avec et sans frais ; meilleure seed ~+38-40 % d'ecart-type, moyenne inter-seeds ~2,2x, CVaR ~2,8x plus profond. Sur donnees reelles, nuance reportee telle quelle : le livre RL reduit la variance quotidienne (0,59x a 0,75x) et raccourcit la queue dans les 4 fenetres, mais ne gagne en niveau qu'en 2022. Les deux mesures ne portent pas sur le meme objet (dispersion cross-sectionnelle sur trajectoires neuves contre variance temporelle d'une trajectoire realisee) et ne se contredisent donc pas ; aucune ne permet d'ecrire « bat ».
5. README + inventaire du livre. README de-stubbe ;
BOOK_MAPPING.md: ligne 07/01 passee deSTUB/BROKENaCOVERED/Vivant, ligne de verdictNON COMPARABLEreecrite avec la mesure et l'ecart declare (le livre couvre des options TSLA, le portage utilise SPY).Ecart de fidelite declare : sous-jacent SPY au lieu de TSLA (liquidite et chaine complete sur toute la fenetre). Le livre ne publie aucun chiffre, donc la comparaison reste
NON COMPARABLE.Residuel assume, non couvert ici : recompense risque-aversion (Kolm & Ritter 2019) et apprentissage par pas (Halperin 2020) — 3 seeds sur 8 restent quasi non couvertes apres correction des deux echecs d'apprentissage documentes dans le notebook.
Cloture de l'issue : reservee au coordinateur ou a l'adjoint.
- added a commit that references this issue
on Oct 7, 2026 - added a commit that references this issue
on Oct 7, 2026
Part of #18898
Constat
MyIA.AI.Notebooks/QuantConnect/projects/RL-Options-Hedging/ne contient queREADME.md, qui se déclare lui-même « Type: Stub (planned exercise, code files not yet created) ».BOOK_MAPPING.mdclasse le chapitre 07 enPARTIALau titre des notebooks RL DQN/PPO, mais ceux-ci font du trading d'actions, pas de la couverture d'options.Ce que dit le livre (ch. 07, « Better Hedging with Reinforcement Learning »)
Un agent apprend à couvrir une position courte d'option européenne et cherche à réduire la variance du P&L de couverture par rapport à la couverture delta de Black-Scholes. Code : dossier
07de https://github.com/QuantConnect/HandsOnAITradingBook.Travail