AI Quant Base

Séparer les tâches

Un processus de recherche peut comprendre la préparation des données, la proposition d’une hypothèse, l’implémentation des règles, les tests et le suivi. Un modèle qui rédige du code accomplit une tâche différente d’un modèle qui produit une prévision. Documentez les entrées et la sortie attendue pour chaque tâche avant de choisir un modèle.

Garder des règles vérifiables

Consignez l’univers d’actifs, le moment de décision, les conditions d’entrée et de sortie et les limites de position. Examinez les règles générées avant un test. Des instructions en langage naturel seules peuvent laisser imprécis le calendrier ou le traitement des données manquantes.

Évaluer l’ensemble du processus

Évaluez l’assistance du modèle par rapport à une tâche définie : code valide, calculs reproductibles ou test de prédiction sur des données explicitement mises à l’écart. Une explication bien rédigée ne prouve pas qu’une stratégie est rentable. Cet article présente un processus ; il ne rapporte aucun résultat de trading.

Guide pédagogique. Cette page ne présente aucun résultat de backtest ni de trading réel.

Poursuivre l’exploration

Recherche quantitative par IA

D’une idée de trading à des règles explicites

Une stratégie testable décrit les informations connues, le moment où une décision est prise et la modélisation d’un ordre. Le langage naturel est un point de départ pour cette spécification.

Lire le guide
Backtests et risque

Comment structurer un backtest de trading

Un backtest applique des règles explicites à des observations historiques selon des hypothèses d’exécution déclarées. Son intérêt dépend de ces hypothèses et de la qualité des données sous-jacentes.

Lire le guide
Rechercher dans la bibliothèque

Recherchez des produits, des processus, des guides et des outils.