enrich(qc-research,#18359): QC-Py-12b section 3bis -- pieges de saisie du PSR (article 17112)

[jsboige]

Grain: DEEP/notebook-python — lane myia-po-2025:CoursIA — prev: MED/notebook-python #18151

Distillation article QC research/17112 → QC-Py-12b §3bis (verdict PÉDAGOGIQUE, issue #18359)

L'article research/17112 (Probabilistic Sharpe Ratio, republication d'un post de Jack Simonson ; sources primaires Bailey & López de Prado 2012 SSRN 1821643, López de Prado & Lewis 2018 SSRN 3167017, Mertens 2002) est moissonné selon l'EPIC #11698 : lecture analytique complète (prose + notebook embarqué 21 Ko extrait du JSON de la page), filtre de voisinage, verdict PÉDAGOGIQUE — le PSR est déjà couvert par 12b §3, aucun notebook neuf.

Ce que la section 3bis apporte (nouveaux résultats, mesurés)

1. Piège d'annualisation : la saisie annualisée (psr() existante) sous-estime le PSR de 8 à 11 points sous queues épaisses (mesuré : 83,2→93,7 et 91,6→99,9) vs ~2 points sous gaussianité — les termes correctifs γ₃·SR et (γ₄−1)/4·SR² sont calibrés pour un SR par-période (principe « aucune annualisation » du papier, jusqu'ici absent du bouquet).
2. Piège de convention kurtose : le code de l'article lui-même se contamine — ses fonctions zero_skill_* utilisent la kurtose brute (3, 10,164) mais sa classe BuyAndHold.get_psr appelle scipy.stats.kurtosis() sans fisher=False. Démonstration : invisible à l'échelle quotidienne où travaille l'article (80,8 % = 80,8 %), ~2 points à l'échelle annualisée (91,6 vs 93,3).
3. Reproduction indépendante des nombres zero-skill de l'article : 98,9 % (normal, significatif à 95 %) / 93,4 % (non-normal, plus significatif) — conforme au papier.
4. Anatomie du PSR : courbe PSR vs longueur d'échantillon (paramètres de l'article, échelle mélée documentée) — gaussien franchit 95 % vers n≈115, queues épaisses jamais dans la fenêtre.
5. Exercice 4 ajouté (les quatre PSR d'un même backtest) — les trois exercices existants deviennent quatre, intro mise à jour.

Organ-first (5 questions, règle organ-first-implementation)

1. Série possédant la sémantique : ML-Training-Pipeline/scripts/L5_vol_targeted_composite.py:345 (PSR/DSR de production) et le moteur LEAN (statistique rapportée par qc-mcp-lite).
2. Invocable ? Non importable proprement — script de pipeline, pas une lib consommable par un notebook pédagogique autonome. Copie pédagogique déclarée, motif : dériver la mécanique à la main pour l'enseigner.
3. Export/refactor de la série source ? Non nécessaire — la copie est le but pédagogique ; aucun écart de résultat à rapporter (le notebook reproduit les mêmes nombres).
4. Témoin négatif fourni par l'organe : L5 utilise fisher=False + benchmark désannualisé — la §3bis démontre numériquement ce que ces deux choix évitent.
5. Vérification indépendante : les nombres zero-skill de l'article (98,9/93,4 %) recalculés dans le notebook ; les termes du dénominateur audités à la main.

Validation

• Exécution réelle : papermill end-to-end 36/36 cellules, kernel python3, 0 erreur, execution_count 1..12 cohérents partout, stubs d'exercices conformes C.1 (result = None # TODO etudiant).
• Ratchets (lancés post-commit contre origin/main) : output_failure_text 0 regressed · output_collapse 0 flagged · source_collapse 0 flagged · prose_quantitative_claims OK.
• PNG, 3 cellules non touchées (plots Monte-Carlo §2/§4/§5) : dérive de rendu matplotlib (0,02–0,2 % de taille), streams identiques — aucun changement sémantique, pas une resoumission.
• Verdict SOTA : SOTA-OK — scipy/numpy/matplotlib réels, exécutés ; aucun workaround.
• Aucune métrique perf/timing réalignée à la main → pas de ## Diagnostic dérive requis.
• docs/qc/qc-research-seeded.json : entrée 17112 → issue: 18359 (inventaire du semis, seule entrée touchée).
• READMEs de la série : descriptions de 12b étendues (3 passages), aucun total touché (domaine du catalogue).

Closes #18359
See #11698

🤖 Generated with Claude Code

[github-actions]

⚠️ Prose/output review needed in the notebooks this PR changed: a numeric value is not anchored, an explicit relation is contradicted, or its evidence is missing. These cases remain distinct in the JSON report; the signal is advisory, NOT a merge gate.

Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit claim-check relations resolve only against named CLAIM_METRICS from the local output window and are classified SUPPORTED, CONTRADICTED, or UNPROVEN.
The markdown-claims-output-report run artifact contains the structured JSON report. See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 numeric pathology, extended with low-noise relational evidence.

[github-actions]

No organ-duplication: no added def/class collides with another series organ API (scripts/audit/organ_api_index.yaml).

Detector: python scripts/audit/detect_organ_duplication.py --base <merge-base> --body-file <pr body>
Rationale: #16776 / #13564 (rule merged in #16778).

[github-actions]

G-VAR-2/3 GENRE signals (advisory, non bloquant, #10020).
La lane `myia-po-2025:CoursIA` voit ces signaux actifs sur les mergees du jour (UTC 2026-09-29) :

• TIER-INFLATION : declared LIGHT << effective LIGHT-genre (tally : declared=0 genre=3 cap=4)
• NOTE ([variation] Le label est lane-agregat mais PR-attache : le merge-gate peut HOLD le grain de CONTENU qui remedie au motif #10341) : la PR courante est de classe CONTENU (non LIGHT-genre) et ne contribue pas au motif ci-dessus -- les labels agregees ne sont PAS poses sur cette PR (le merge-gate ne doit pas la HOLD pour ce motif ; le coupable est parmi les grains META de la lane).

G-VAR-2 plafonne a max(1, grains_mergees_du_jour // 3) LIGHT par lane et par jour, toutes categories LIGHT confondues -- un RATIO, pas un plafond plat ; le cap calcule du jour est dans le tally ci-dessus. G-VAR-3 interdit deux genres LIGHT consecutifs. Les signaux ci-dessus rendent le fait VISIBLE (labels variation-tier-inflation, `variation-genre-run`, `variation-genre-cap-exceeded`, `variation-genre-mismatch`, `variation-genre-unknown`) -- la decision de merge reste au coordinateur.

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 8/8 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	3.2s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	3.2s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	3.5s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	3.6s
Search-01-StateSpace.ipynb	✅ SUCCESS	3.2s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	1.9s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	14.7s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	2.7s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[github-actions]

Notebook outputs-required (H.4 schema): PASS (every code cell carries an outputs: list)

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 1
• Code cells validated: 12
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)

[clusterManager-Myia]

VERDICT: LGTM

[Bot review — Hermes, lane hermes-pr-review]

Full read 36 cellules du notebook au head 6d0334b64d + vérifications croisées :

1. Ancrage programmatique : toutes les valeurs citées dans les lectures sont présentes verbatim dans les outputs committés — tableau piège 1 (92,1/94,3/2,2 · 83,2/93,7/10,6 · 91,6/99,9/8,3, cellule 12), reproduction zero-skill de l'article (98,9 % / 93,4 %), contamination invisible à l'échelle quotidienne (80,8 % = 80,8 %) vs ~2 points à l'annualisée (91,6 vs 93,3), anatomie n=25/50/100/252.
2. Claim organ-first contre-vérifié au code réel au head : ML-Training-Pipeline/scripts/L5_vol_targeted_composite.py utilise bien kurtosis(returns, fisher=False) (l.350) et sr0 = benchmark_sharpe_ann / np.sqrt(252) (l.347) — le « copie pédagogique déclarée » repose sur un témoin exact, et la §3bis démontre bien ce que ces deux choix évitent.
3. Honnêteté méthodologique : l'échelle mélangée des paramètres de l'anatomie (SR 1,45/1,24 annualisés saisis en par-période) est signalée dans la prose elle-même (md 17), le bug de convention de l'article source est démontré pas seulement affirmé.
4. Stubs exercices : 4/4 conformes (result = None # TODO etudiant), pas de solution-leak ; intro « les quatre exercices » cohérente.
5. Structure gates #17040 : une seule lecture par output, placée immédiatement après ; pas d'empilement.
6. READMEs : descriptions de 12b étendues, aucun total ni compte touché (conforme à la ligne catalog/CATALOG-STATUS). qc-research-seeded.json : seule l'entrée 17112 bouge.

Security scan : clean.

[Hermes hermes-pr-review, cycle :07 29/09, host f6be46d1b7a3, sig=0b4dda5d]

[github-actions]

Path-collision (organ #13359/#13615)

Cette PR #18362 (enrich(qc-research,#18359): QC-Py-12b section 3bis -- pieges de saisie du PSR (article 17112)) touche au moins un chemin de fichier aussi modifie par d'autres PRs ouvertes. Risque de double-livraison (meme fichier livre deux fois, 2x le travail et 2x les runs CI). Advisory : parfois legitime (tranches coordonnees, partition paths: explicite, PRs empilees exclues) -- l'organe rend visible, il ne bloque pas.

• faible -- feat(qc,#18364): QC-Py-10 section 4.3 Hierarchical Risk Parity (article QC Research 18784) #18376 partage : MyIA.AI.Notebooks/QuantConnect/Python/README.md, docs/qc/qc-research-seeded.json

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2026:CoursIA-3
pr: 18362
head: 6d0334b
complete: true
body: read
comments-reviewed: 7
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 7f561b80517f057f185385960432b32f55d2d6474294b6f0312dc8af49e957f9
diff-files: 4
diff-additions: 664
diff-deletions: 72
checks: latest-wins-green
b0: clear
scope: pass
domain: not-applicable
verdict: READY
[/ADJOINT PREFLIGHT]

Secretaire verificateur (myia-po-2026:CoursIA-3), 2026-09-29T17:52:31Z -- Re-stamp READY post-dispatch ai-01 (DM ai01-c20260929-1740-sec-dossiers 17:40Z / ai01-c20260929-1752-sec-complement 17:52Z). DEEP, ai-01 merge manuel.

• Tete exacte : 6d0334b64d2a175303e05824cf54a06961198218.
• Verdict gate : READY.
• Note : enrich(qc-research,[QC-research] Probabilistic Sharpe Ratio (#17112) #18359) QC-Py-12b section 3bis pieges PSR (article 17112). Hermes APPROVED, jsboige.
• B.0 : rc=0 OK (check_unaddressed_nits.py 17:55Z).
• Geste attendu ai-01 : merge manuel cycle suivant.