fix(qc,#19053): tranche 3 ex. 17 — verdict REPRODUIT avec le modele du livre

MyIA.AI.Notebooks/QuantConnect/BOOK_MAPPING.md

@@ -219,7 +219,7 @@ Pour 14 et 15, le texte ne donne pas de Sharpe, mais le balayage de paramètres
 | 14 | « la plupart des combinaisons ne sont pas profitables » ; échelle du balayage : Sharpe de −0,55 à 0,20 ; paramètres publiés : 500 échantillons d'apprentissage, univers de 3 | 2018-12-31 → 2024-04-01, capital 100 k, constituants de QQQ, CNN temporel | [ML-Temporal-CNN](projects/ML-Temporal-CNN/) : Sharpe 0,161, CAGR 4,81 %, pire baisse 31,7 %. **Rejeu dans les conditions du livre : Sharpe 0,202, CAGR 6,11 %, pire baisse 44,7 %, profit net 36,6 %, 624 ordres** | code du projet : 2015-01-01 → 2024-01-01, modèle de frais de nos campagnes comparatives ; rejeu : conditions du livre, paramètres publiés | `REPRODUIT` : 0,202 est à la borne haute de l'échelle du balayage (0,20, lue à 0,03 près) et dans la tolérance [−0,80 ; 0,45] |
 | 15 | « toutes les combinaisons sont profitables » ; échelle du balayage : Sharpe de 0,42 à 1,02 ; paramètres publiés : 4 jours par échantillon, 100 échantillons, univers de 10 | 2019-01-01 → 2024-04-01, capital 1 M, plus grandes capitalisations technologiques, `GaussianNB` | [ML-Gaussian-Classifier](projects/ML-Gaussian-Classifier/) : Sharpe 0,361, CAGR 12,49 %, pire baisse 47,4 %. **Rejeu dans les conditions du livre : Sharpe 0,582, CAGR 18,69 %, pire baisse 41,8 %, profit net 146,0 %, 1813 ordres** | code du projet : 2015-01-01 → 2026-01-01, capital 100 k, modèle de frais de nos campagnes comparatives ; liquidation complète quand aucune action n'est prédite en hausse ; rejeu : conditions du livre, paramètres publiés | `REPRODUIT` : 0,582 est dans l'intervalle du balayage (0,42 à 1,02) |
 | 16 | Sharpe 1,695 | 2023-11-01 → 2024-03-01, capital 100 k, TSLA, résumés d'articles Tiingo par un LLM | Sharpe 0,686, CAGR 15,45 %, pire baisse 22,7 % | SPY, 2015-01-01 → 2026-01-01 ; sans clé d'API en paramètre du projet, classement des articles par mots-clés, sans LLM | sans objet, pas de rejeu : notre projet ne joue pas le modèle du livre par défaut (ligne passée en `PARTIAL`) |
-| 17 | « toutes les combinaisons sont profitables » ; paramètres publiés : `max_size` 100, `step_size` 10, seuil de confiance 0,5, détention 10 jours | 2019-01-01 → 2024-04-01, capital 100 k, USDCAD, CNN chargé depuis l'Object Store | [ML-HeadShoulders-CNN](projects/ML-HeadShoulders-CNN/) : aucune mesure publiée. **Rejeu dans les conditions du livre : profit net −0,062 %, Sharpe −24,1, CAGR −0,012 %, pire baisse 0,2 %, 8 ordres** | code du projet : 2015-01-01 → 2024-01-01, courtage OANDA ; rejeu : conditions du livre, paramètres publiés ; le modèle étant absent de notre Object Store, un CNN entraîné sur des motifs synthétiques (journal : `Object Store model missing, training synthetic CNN`) | `ÉCART` : profit net négatif. L'écart porte sur le modèle de substitution, pas encore sur la stratégie : #19053 |
+| 17 | « toutes les combinaisons sont profitables » ; paramètres publiés : `max_size` 100, `step_size` 10, seuil de confiance 0,5, détention 10 jours | 2019-01-01 → 2024-04-01, capital 100 k, USDCAD, CNN chargé depuis l'Object Store | [ML-HeadShoulders-CNN](projects/ML-HeadShoulders-CNN/) : aucune mesure publiée. **Rejeu dans les conditions du livre, le modèle entraîné du livre chargé depuis l'Object Store : profit net +0,063 %, Sharpe −25,34, CAGR 0,012 %, pire baisse 0,3 %, PSR 0 %, 8 ordres** (rejeu précédent, CNN de repli synthétique : profit net −0,062 %, Sharpe −24,1) | code du projet : 2015-01-01 → 2024-01-01, courtage OANDA ; rejeu : conditions du livre, paramètres publiés, `head-and-shoulders-model.keras` (314 235 octets) déposé dans l'Object Store de l'organisation ; le détecteur a changé de jeu de figures, ce qui atteste le chargement | `REPRODUIT` : le signe annoncé est retrouvé (profit net positif), et l'`ÉCART` du rejeu précédent venait de notre modèle de substitution, pas du livre. La marge reste mince — +0,063 %, soit +62,60 $ sur 100 k, PSR 0 % |
 | 18/01 | aucun chiffre dans le texte ; courbes de prévision et table de rendements mensuels | 2019-01-01 → 2024-04-01, capital 100 k, 5 actions les plus liquides, Chronos pré-entraîné | Sharpe 0,277, CAGR 7,23 %, pire baisse 13,5 % | [ML-Chronos-Foundation](projects/ML-Chronos-Foundation/), 2015-01-01 → 2026-01-01 | `NON COMPARABLE` |
 | 18/02 | — | Chronos ré-entraîné | — | aucune reproduction (`GAP`) | sans objet |
 | 19/01 | idem 18/01 | 2022-01-01 → 2023-01-01, capital 100 k, 10 actions les plus liquides, FinBERT pré-entraîné | Sharpe 0,584, CAGR 22,10 %, pire baisse 43,0 % | [ML-FinBERT-Sentiment](projects/ML-FinBERT-Sentiment/), 2015-01-01 → 2026-01-01 | `NON COMPARABLE` |
@@ -228,10 +228,10 @@ Pour 14 et 15, le texte ne donne pas de Sharpe, mais le balayage de paramètres
 **Rejeux** (projets QuantConnect séparés, une exécution chacun) :
 
 - 15 : projet 37323229, backtest `8df461e5fffd0f0df859d0bd41296130` ; PSR 10,1 %.
-- 17 : projet 37323273, backtest `87648032844af2f195239271140bcb1f` ; PSR 0 %. Quatre figures détectées (2020-07-27, 2020-07-28, 2022-03-24, 2022-08-18), confiances de 50 à 58 %.
+- 17 : projet 37323273. Rejeu avec le CNN de repli synthétique, backtest `87648032844af2f195239271140bcb1f` ; PSR 0 % ; quatre figures détectées (2020-07-27, 2020-07-28, 2022-03-24, 2022-08-18), confiances de 50 à 58 %. Rejeu avec le modèle du livre, backtest `949250e3323fe73babd17d45a07ed2eb` ; PSR 0 % ; quatre figures détectées (2020-07-28, 2021-10-05, 2022-06-01, 2022-08-19) — un jeu différent du précédent, ce qui atteste que le détecteur a changé.
 - 14 : projet 37323339, backtest `672faa80ccb73bdaa629b4137f388590` ; PSR 1,3 %.
 
-**Ce que les verdicts de la tranche 3 disent, et ce qu'ils ne disent pas.** L'échelle de couleur d'un balayage est une source plus faible qu'un chiffre du texte : elle borne la stratégie sur tout le balayage, pas le paramètre publié. Pour 15, le rejeu tombe dans cette fourchette ; sa PSR (10,1 %) rappelle qu'un Sharpe de 0,58 sur cinq ans n'est pas un avantage établi. Pour 14, le rejeu tombe à la borne haute de l'échelle, avec un profit net positif, alors que le livre dit que la plupart des combinaisons ne sont pas profitables ; l'univers publié (3) n'étant pas dans le balayage, les deux ne se contredisent pas, et la PSR du rejeu (1,3 %) ne dit pas plus. Pour 17, l'`ÉCART` porte sur le modèle : le rejeu a joué le CNN de repli, entraîné sur des motifs synthétiques, et non le modèle entraîné du livre, absent de notre Object Store. Il dit que le projet, tel qu'il tourne aujourd'hui sur QC Cloud, ne retrouve pas le signe annoncé ; il ne dit encore rien de la stratégie du livre (#19053).
+**Ce que les verdicts de la tranche 3 disent, et ce qu'ils ne disent pas.** L'échelle de couleur d'un balayage est une source plus faible qu'un chiffre du texte : elle borne la stratégie sur tout le balayage, pas le paramètre publié. Pour 15, le rejeu tombe dans cette fourchette ; sa PSR (10,1 %) rappelle qu'un Sharpe de 0,58 sur cinq ans n'est pas un avantage établi. Pour 14, le rejeu tombe à la borne haute de l'échelle, avec un profit net positif, alors que le livre dit que la plupart des combinaisons ne sont pas profitables ; l'univers publié (3) n'étant pas dans le balayage, les deux ne se contredisent pas, et la PSR du rejeu (1,3 %) ne dit pas plus. Pour 17, l'`ÉCART` du premier rejeu portait sur le modèle : il avait joué le CNN de repli, entraîné sur des motifs synthétiques, faute du modèle entraîné du livre dans notre Object Store. Le modèle du livre chargé, le signe annoncé est retrouvé, et la marge reste mince : la PSR est à 0 %, et +0,063 % sur cinq ans ne se distingue pas de zéro. Une remarque de méthode compte ici : le `research.ipynb` du livre entraîne son CNN **uniquement sur des motifs synthétiques** — les prix USDCAD qu'il charge en cellule 4 ne servent ni à l'entraînement ni à l'évaluation. Le « modèle du livre » est donc lui-même synthétique ; ce que ce rejeu reproduit est son signe, pas une supériorité de données.
 
 **Écarts internes au livre** (tranche 3) :