Repository navigation
Conversation
…u livre Le modele entraine du livre (`head-and-shoulders-model.keras`) est desormais dans l'Object Store de l'organisation ; le rejeu aux conditions du livre (2019-01-01 -> 2024-04-01, 100 k, USDCAD, parametres publies) est relance avec lui, backtest `949250e3323fe73babd17d45a07ed2eb` : profit net +0,063 % Sharpe -25,34 CAGR 0,012 % pire baisse 0,3 % PSR 0 % 8 ordres Le rejeu precedent, qui jouait notre CNN de repli entraine sur des motifs synthetiques, donnait -0,062 % / Sharpe -24,1. Le signe annonce par le livre est donc retrouve : sous la regle pre-enregistree (borne a zero sur le profit net, parce que le livre ne publie qu'un signe), le verdict passe d'ECART a REPRODUIT, et l'ECART precedent s'attribue a notre modele de substitution, pas au livre. Trois preuves que le detecteur a change : - le jeu de figures detectees differe (2020-07-28, 2021-10-05, 2022-06-01, 2022-08-19 contre 2020-07-27, 2020-07-28, 2022-03-24, 2022-08-18) -- un CNN a graine fixe rejoue a l'identique, donc un autre modele a tourne ; - le Sharpe de crise (Post-COVID 2020-2021) passe de -1178 a -16 dans l'analyse QC ; - la cle deposee fait 314 235 octets, exactement la taille annoncee par la sortie du carnet. Reserve honnete, ecrite dans la doc : la marge est mince (+0,063 %, soit +62,60 $ sur 100 k, PSR 0 %) -- la borne est franchie, pas franchie largement. Note de methode ajoutee : le `research.ipynb` du livre entraine son CNN **uniquement sur des motifs synthetiques** (verifie : `prices`, charge en cellule 4, n'est reference par aucune cellule d'entrainement ni d'evaluation ; la cellule 6 fabrique 2000 echantillons gaussiens et une marche aleatoire). Le "modele du livre" est donc lui-meme synthetique. Fichier : `MyIA.AI.Notebooks/QuantConnect/BOOK_MAPPING.md` (ligne 17 de la tranche 3, son entree `Rejeux`, et le paragraphe d'interpretation), 3 / 3. Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>
|
G-VAR-2/3 GENRE signals (advisory, non bloquant, #10020).
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 |
Path-collision (organ #13359/#13615)Cette PR #19164 (
Le verdict terminal (#15578) signale qu'un cote de la paire est deja sur |
|
Fermee en doublon de #19152 (fusionnee 00:25:47Z, ferme #19053) : meme rejeu 06/17, meme backtest 949250e3, memes lignes BOOK_MAPPING — la branche est desormais en conflit et redondante (directive ai-01, DM 05/10 02:26Z). Les elements propres de cette PR (trois preuves du changement de detecteur, Sharpe de crise -1178 vs -16, cle 314 235 octets, table des six voies pour le journal, reserves et note de methode) sont verses sur #19053 : #19053 (comment) |
Grain: MED/qc -- lane myia-po-2026:CoursIA -- prev: MED/tooling #19158
Ce que la PR fait
Le rejeu de l'exemple 06/17 dans les conditions du livre tourne avec le modèle entraîné du livre, et non plus avec notre CNN de repli. Le verdict de la ligne 17 de la tranche 3 passe d'
ÉCARTàREPRODUIT, et l'écart précédent s'attribue à notre substitution, pas au livre.Étapes 1 à 4 de #19053. Fichier touché :
MyIA.AI.Notebooks/QuantConnect/BOOK_MAPPING.mduniquement (3 insertions / 3 suppressions) — la ligne 17 de la tranche 3, son entrée « Rejeux », et le paragraphe d'interprétation.Les deux rejeux, mêmes conditions
2019-01-01 → 2024-04-01, capital 100 k, USDCAD, paramètres publiés (
max_size100,step_size10, seuil 0,5, détention 10 jours), sansset_brokerage_model.87648032844af2f195239271140bcb1f949250e3323fe73babd17d45a07ed2ebSous la règle pré-enregistrée (borne à zéro sur le profit net, parce que le livre ne publie qu'un signe — « toutes les combinaisons sont profitables »), le signe est retrouvé : verdict
REPRODUIT.Trois preuves indépendantes que le détecteur a changé
Étape 2 — le journal : hors d'atteinte, et voici les six voies essayées
L'étape 2 demande de vérifier que la ligne
Object Store model missinga disparu du journal. Je ne l'affirme pas : je n'ai atteint aucun journal. Unlogs: []rendu par un endpoint qui n'expose pas le journal est muet, pas négatif — conclure dessus serait lire une absence que je n'ai pas constatée.read_backtestlogsdans la charge utile — vérifié sur l'ancien rejeu, dont l'issue cite pourtant la première lignebacktests/readincludeLogs: trueetlogs: trueignorés (réponse identique)backtests/logs{"errors":["Endpoint not found (backtests/logs)"]}lean cloud backtest, projet distantlean cloud backtest, projet tiré en local puis relancébacktests/, donc pas delog.txtCe que je ne fais pas : conclure sur un journal non lu, ni forcer un accès authentifié pour aller le chercher.
Ce qui vaut à la place est plus fort qu'une ligne de texte. Les trois preuves ci-dessus portent sur le comportement du modèle : un journal peut pécher par omission, un jeu de figures détectées différent à graine fixe ne le peut pas. Deux vérifications de contexte s'y ajoutent :
main.pytiré de QC Cloud, comparé au dépôt : diff unifié de 13 lignes sur 257, portant exactement surset_start_date(2019, 1, 1),set_end_date(2024, 4, 1)et le retrait deset_brokerage_model— c'est-à-dire les conditions du livre, et rien d'autre./head-and-shoulders-model.keras, 314 235 octets, modifié 2026-10-04T20:53:06Z ; le backtest949250e332a été créé à 20:54:09Z, soit 66 secondes plus tard.Un troisième rejeu (tête locale,
4be6c7bd15e1) rend les mêmes chiffres au chiffre près — equity 100 062,60 $, 8 ordres : le chemin est reproductible, pas un tirage.Réserve honnête, écrite dans la doc
La marge est mince : +0,063 %, soit +62,60 $ sur 100 k, et la PSR reste à 0 %. La borne est franchie, elle ne l'est pas largement. Deux champs de QC divergent d'ailleurs sur le montant exact — l'equity donne +62,60 $, la bannière d'exécution affiche « Net Profit $70.02 » (= 7 métiers × 10,0043 $ moyens) ; les deux calculs sont positifs, ce qui suffit à la règle, et je signale l'écart plutôt que de choisir en silence.
Note de méthode ajoutée à la doc (vérifiée firsthand)
Le
research.ipynbdu livre entraîne son CNN uniquement sur des motifs synthétiques. Vérifié dans le carnet :pricesn'est chargé qu'en cellule 4 et n'est référencé par aucune cellule d'entraînement ni d'évaluation ; la cellule 6 fabrique 2000 échantillons à partir de motifs gaussiens et d'une marche aléatoire. Le « modèle du livre » est donc lui-même synthétique : ce rejeu reproduit son signe, pas une supériorité de données.Closes #19053