feat(ml-pipeline,#19072): inverse de volatilité pour un investisseur en euros — volatilité en USD ou en EUR

[jsboige]

Grain: DEEP/research-code — lane myia-po-2024:CoursIA-3 — prev: MED/qc #19056

Résumé

Expérience pré-enregistrée dans #19072 (2026-10-04T06:42:34Z, avant tout calcul). Un investisseur en euros détient sans couverture les quatre ETF du paper harness. Faut-il mesurer leur volatilité, pour la règle inverse_vol_weights, sur les cours en dollars (U, ce que fait le harness) ou sur les cours convertis en euros (F) ?

• H1 (fidélité de la prévision) : BEATS. F prévoit mieux la volatilité du mois suivant, en euros : d moyen +0,112, p 0,0000 sur les 5 graines, positif sur les deux moitiés. Sur la ligne obligataire, U sous-estime la volatilité en euros d'un facteur ≈ 1,7 (biais log +0,53).
• H2 (Sharpe net en euros, cible 0,025) : INCONCLUSIVE. Sharpe(F) − Sharpe(U) = +0,050, p 0,117, IC 95 % [−0,032 ; 0,132].
• Contrôle L (cible indépendante : les lignes cotées en euros, depuis 2010) : l'avantage de F sur U survit (+0,041, IC [0,013 ; 0,069]). F surestime la volatilité de ces lignes, et l'écart F − L n'est pas séparé de zéro.

Résultat complet, tables par ligne et limites : #19072 (comment)

Fichiers (3)

Fichier	Contenu
ML-Training-Pipeline/scripts/inverse_vol_currency.py	panel USD/EUR avec garde de sens de cotation et règle d'erreur de change, simulation mensuelle (bande, frais, dérive), bootstrap par blocs, Holm, contrôle L
ML-Training-Pipeline/scripts/tests/test_inverse_vol_currency.py	15 tests sur séries synthétiques
ML-Training-Pipeline/results/inverse_vol_currency.json	agrégé falsifiable : verdicts, p par graine, IC, moitiés, biais par ligne, descriptifs des stratégies, empreintes SHA-256 des 9 fichiers de données (9 Ko)

results/ est ignoré par QuantConnect/.gitignore : le JSON est ajouté avec -f, comme les agrégés déjà suivis dans ce dossier. Les CSV restent hors dépôt : G:\Mon Drive\MyIA\IA\QC-traces\19072-inverse-vol-currency\ (avec SHA256SUMS.txt).

Vérification

cd MyIA.AI.Notebooks/QuantConnect/ML-Training-Pipeline/scripts
python -m pytest tests/test_inverse_vol_currency.py -q
# 15 passed in 1.40s
python inverse_vol_currency.py --data-dir <dossier des CSV> --out ../results/inverse_vol_currency.json
# rc=0, 39 s ; deux exécutions donnent le même JSON (hors le champ months_unscored ajouté entre les deux)

Le harness est importé, pas copié. load_harness() le localise par glob (projects/*/paper_harness/rebalance.py, une seule correspondance exigée), et le test test_harness_is_imported_not_copied le vérifie. L'expérience mesure donc la règle que le harness exécute.

Points de revue

• §C (ML) : aucun modèle n'est entraîné et aucun paramètre n'est ajusté. Le lookback de 21 jours, les plafonds (0,5 par ligne, 1 au total), la bande, les frais et les cibles sont fixés dans le pré-enregistrement. Il n'y a donc ni walk-forward ni graine d'entraînement. Les 5 graines (0/1/7/42/99) sont celles du bootstrap, et le p retenu est le plus grand des cinq. H1 porte sur une perte de précision (log quadratique), testée par bootstrap par blocs de 6 mois. Les biais signés par ligne sont rapportés pour U, F et L. Les frais sont de 5 pb, sur 4 ETF.
• SOTA : SOTA-OK, la règle étudiée est celle du module du harness, appelée directement.
• Anomalie de données : la règle d'erreur de change pré-enregistrée a retiré 5 dates, toutes un 8 du mois en 2008. Leurs valeurs tombent dans la plage d'août 2008, et la série Yahoo n'a que 5 séances en août 2008. Le mois 2008-08 n'est donc pas noté en H1, et il est listé dans le JSON (months_unscored) au lieu d'être omis en silence.
• Limite : la bande peut laisser la somme des poids au-dessus de 1, avec des liquidités au minimum à −5,1 % (U) et −4,8 % (F). C'est symétrique entre U et F.

Closes #19072

🤖 Generated with Claude Code

[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]

Cette PR depasse le seuil de couverture review (par defaut 300 additions) et n'a recu aucune review -- ni bot, ni humaine.

Le label large-pr-no-review est pose par l'organe scripts/review_coverage.py porte par l'issue #11232. Aucun remede automatique : il faut obtenir une review (Hermes, ai-01, ou review humaine).

Le label est retire au balayage suivant (quotidien) des qu'une review arrive -- dans reviews[] ou en commentaire de verdict -- ou que le diff passe sous le seuil. Fermer/rouvrir la PR ne suffit pas -- la mesure porte sur le diff, pas sur l'etat de la PR.

Seuil, historique et exceptions : cf. docs/reference/review-coverage-threshold.md.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2026:CoursIA-3
pr: 19074
head: 6d5bb89
complete: true
body: read
comments-reviewed: 2
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 834f249b4ac3a3776afa8800ee824ec9d49a1157b68d6cecec196c0dea9b5d40
diff-files: 3
diff-additions: 1043
diff-deletions: 0
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]

note: Dossier c428 sur PR #19074 (feat(ml-pipeline,#19072): inverse de volatilite pour un investisseur en euros -- USD ou EUR). Tierce attestation depuis myia-po-2026:CoursIA-3 (PR porteuse myia-po-2024:CoursIA-3, distincte). DEEP/research-code, 3 fichiers sous ML-Training-Pipeline/ (script + 15 tests + agregé falsifiable 9 Ko), +1043/-0. Checks latest-wins-green mesure ce cycle : 20 check-runs foldes par (started_at,id), PR gate SUCCESS @10:13:01Z, aucun rouge (advisory organ-duplication success, pedagogy density skipped hors notebooks). B.0 rc=0 mesure ce cycle (2 commentaires, 0 nit non leve). mss CLEAN, MERGEABLE. scope: PASS (3 fichiers sous MyIA.AI.Notebooks/QuantConnect/ML-Training-Pipeline/, PAS sous .claude/, .github/, ni CLAUDE.md). domain: PASS (substance DEEP/research-code verifiee : experience pre-enregistree dans #19072 a 06:42:34Z AVANT tout calcul ; H1 BEATS d +0,112 p 0,0000 sur 5 graines positif sur les deux moities ; H2 INCONCLUSIVE honnete (+0,050, p 0,117, IC rendu) ; controle L sur lignes cotees euros ; agregé JSON avec empreintes SHA-256 des 9 fichiers de donnees, CSV hors depot G:\Mon Drive\MyIA\IA\QC-traces\19072-inverse-vol-currency\ avec SHA256SUMS.txt, conforme results-artifact-policy 9 Ko < 512 Ko ; 15 tests pytest verts). verdict READY. DEEP : merge_ready refuse ce tier, merge manuel ai-01 requis sur gate rc=0.