Repository navigation
[QC][livre] Chronos et FinBERT ré-entraînés (06/18/02, 06/19/02) : porter le fine-tuning (GPU) #18962
Description
Activity
[CLAIMED] lane myia-po-2023:CoursIA — tapis central du 06/10 22:46Z, file profonde posee par le coordinateur au dispatch (rang 2/5) : [QC][livre] Chronos et FinBERT ré-entraînés (06/18/02, 06/19/02) : porter le fine-tuning (. Premiere etape de la lane : verifier firsthand que l'acceptance n'est pas deja couverte ; sinon [RELEASED] avec le motif.
Grain: DEEP/qc — lane myia-po-2023:CoursIA — prev: MED/tooling #19618
[DELIVERED] volet Chronos (06/18/02) : PR #19622. Volet FinBERT (06/19/02) : bloqué, une ligne plus bas.
Ce qui est livré
Le ré-entraînement de Chronos n'existait pas dans le dépôt (le
GAPdeBOOK_MAPPING.md). Il est porté et mesuré :main_finetuned.py— port de06/18/02(HandsOnAITradingBook@e025f21). Lediffdu corps des méthodes contre le livre ne montre qu'une différence fonctionnelle :set_seed(1)devientset_seed(self._seed), défaut1, soit la valeur que le livre fige.finetune/run_finetune_chronos.py— harnais base vs ré-entraîné, hors échantillon (2022-01-01 → 2026-01-01), 19 origines, appariement strict des deux bras à chaque origine.finetune/chronos_training.py— module d'entraînement vendorisé (tagv2.3.2, Apache-2.0). Motif : le livre importechronos.scripts.training.train, absent du wheel PyPI et du tag ; sans cette copie le port ne tourne nulle part.finetune/measures/— les quatre graines et l'agrégat (49 Ko).
Verdict §C — 4 graines
Graine MAE base MAE ré-entraîné MASE base MASE ré-entraîné DM (p) Sharpe base Sharpe ré-entraîné 1 18,40 17,61 6,24 5,99 0,409 0,746 0,603 2 17,78 16,87 6,03 5,69 0,153 0,664 0,751 3 19,21 17,82 6,50 6,02 0,093 0,588 0,746 42 18,31 17,30 6,27 5,83 0,256 0,559 0,675 moyenne 18,43 17,40 6,26 5,88 — 0,639 0,694 Précision :
NO BEATS. Plus précis sur 4 graines sur 4 (MAE −1,02 en moyenne), mais aucune n'atteint le seuil de 5 % (p de 0,093 à 0,409). Stratégie : effet instable — le signe du Sharpe change selon la graine (une sur quatre recule) et la pire baisse se creuse en moyenne (−29,1 % → −33,5 %). Aucun gain n'est revendiqué.L'univers (
AAPL, MSFT, NVDA, AMZN, GOOGL) est un sous-ensemble de Mag7 : le §C interdit d'y revendiquer unBEATS, et aucun ne l'est.Acceptance
# Critère État 1 Porter chaque ré-entraînement Chronos : fait. FinBERT : non commencé 2 Base vs ré-entraîné hors échantillon + effet stratégie Chronos : fait 3 FinBERT : régler #18903 d'abord non fait — #18903 est toujours OPEN4 Verdict §C, ≥ 4 graines fait — graines 1, 2, 3, 42 5 Lignes 18/02 et 19/02 du chapitre 06 18/02 : fait. 19/02 : inchangé Blocage du volet FinBERT
Le volet FinBERT n'est pas commencé : le critère 3 le conditionne à #18903 — « le portage de base ne produit aucune transaction sur QC Cloud » — qui est toujours ouvert. Comparer un ré-entraînement sur une base qui ne trade pas ne mesurerait rien. Le grain se poursuivra quand #18903 sera levé ; le reste de la file a avancé sans l'attendre.
Corrections attenantes
Les deux README renvoyaient à
research.ipynb, fichier absent demain(git ls-tree origin/mainne liste queREADME.en.md,README.mdetmain.py) : le renvoi mort est retiré.BOOK_MAPPING.md: la ligne 18/02 du chapitre 06 et la table « Exemples sans reproduction ».- added 5 commits that reference this issue
on Oct 7, 2026
Part of #18898
Constat
Les modèles de base sont portés : Chronos (
projects/ML-Chronos-Foundation/,projects/Chronos-Foundation-Forecasting/) et FinBERT (projects/ML-FinBERT-Sentiment/,Python/QC-Py-Cloud-01-FinBERT-Sentiment.ipynb). Aucun ré-entraînement n'existe dans le dépôt.Ce que contient le livre
06 Applied Machine Learning/18 Amazon Chronos Model/02 Fine-Tuned Model/main.py:ChronosPipeline, module d'entraînement dechronos(chronos.scripts.training),transformers.Trainer,gluonts,torch, puisscipy.optimize.minimize.06 Applied Machine Learning/19 FinBERT Model/02 Fine-Tuned Model/main.py:TFBertForSequenceClassification(TensorFlow),datasets.Dataset.Référence du livre : dépôt
QuantConnect/HandsOnAITradingBook, commite025f21(imports et appels relevés dans le code ; le détail reste à lire avant le portage). Inventaire :MyIA.AI.Notebooks/QuantConnect/BOOK_MAPPING.md.Travail
RECOVERABLE-MACHINEde.claude/rules/sota-not-workaround.md).