Ce que « 1,6 million de stratégies » signifie réellement.

La critique du data mining va à peu près ainsi : si vous backtestez un million de stratégies, la queue droite de la distribution contiendra, par pure chance, des stratégies qui impriment d’énormes profit factors in-sample. Sélectionnez celles-ci à la carte, et n’importe quel backtest paraîtra excellent, jusqu’au trading en réel, où les ajustements s’évaporent.

Cette critique est correcte dans l’esprit, et en fait ce travail est d’accord avec elle au niveau de la stratégie. L’article L’edge est dans le processus s’ouvre sur ce constat sur un corpus crypto reproductible de 12 marchés : sur 533 638 stratégies et 44 millions de fenêtres de stratégie walk-forward, la corrélation de rang entre le profit factor d’une stratégie sur une fenêtre et la suivante est de ρ ≈ 0,02, et le ρ par marché ne dépasse jamais 0,04. Aucune stratégie individuelle de ce corpus ne porte d’edge OOS crédible.

Alors à quoi sert la population ? L’argument se développe au fil des deux sections suivantes, et les deux sections vidéo qui les suivent en sont la preuve visuelle.

Chaque stratégie du corpus est une règle entièrement spécifiée et déterministe : une famille d’indicateur, une paramétrisation, une logique d’entrée / sortie, et un régime de risk-reward. Rien n’est miné. Rien n’est choisi à la main. Le substrat est le produit structuré de :

• 30 partitions actif / timeframe, majors crypto (BTC, ETH, BNB, SOL), grandes altcoins (DOGE, XRP, LTC, AVAX, LINK, BCH, DOT, TRX), ~15 mid-caps (APE, ATOM, ICP, NEAR, ALGO, HBAR, ARB, SUI, APT, ZEC, …) et trois paires forex (AUDUSD, USDCAD, USDCHF). Le forex est mis de côté comme vérification de robustesse inter-classes d’actifs.
• Huit familles d’indicateurs couvrant tendance, momentum, mean-reversion et volatilité, EMA, SMA, MACD, PPO, RSI, croisement de niveau RSI, Stochastic %K, ATR.
• Populations de variantes par famille. Chaque famille de base est étendue en une population de variantes par une batterie de fonctions statistiques et mathématiques, transformations appliquées à la série brute de l’indicateur et sous-ensembles de confluence qui conditionnent les entrées à un second signal de manière structurée. La construction exacte est réservée. Les artefacts empiriques de cette page sont la démonstration que, quelle que soit la construction, la population résultante possède les propriétés géométriques revendiquées.
• Optimisation walk-forward sur plusieurs horizons de lookback, de sorte que chaque stratégie est évaluée sous des fenêtres IS / OOS glissantes plutôt que sur une unique tranche arbitraire de l’historique des prix.

Aucun sous-ensemble n’est retiré. Aucune partition n’est « gardée comme la bonne ». Les trente actifs/timeframes sont tous évalués sous le même pipeline, avec le même code, à partir des mêmes commits.

Sur la reproductibilité. Le working paper SSRN livre un package de reproductibilité, mais il reproduit les agrégats dérivés des stratégies qui apparaissent dans le paper : les distributions IS / OOS, les diagnostics de courbe de filtre, les statistiques de portefeuille et les données de figure. Le corpus de stratégies lui-même est propriétaire et n’est pas publié. Python, Rust et R vérifient de façon croisée les mêmes agrégats publiés à partir du même historique brut de prix ; ils ne régénèrent pas le corpus.

Pour une lecture au niveau de la population du même substrat utilisant une méthodologie publique, voir les notes du lab sur la densité Sharpe de la population et la décomposition de l’écart Sharpe IS–OOS.

La corrélation absolue moyenne sur le pool complet est de 0,123. Médiane 0,072. Seulement 2,84 % des paires franchissent |ρ| = 0,5. La moyenne intra-actif (0,163) est, comme on s’y attend, légèrement supérieure à la moyenne inter-actifs (0,122), mais ni l’une ni l’autre n’approche le plafond « tout est le même trade ».

En termes d’algèbre linéaire, le corpus a une très haute dimensionnalité effective : la population couvre beaucoup plus de directions de rendement quasi-orthogonales que sa taille de surface ne le suggère. Un portefeuille tiré du pool a donc accès à un ensemble générateur bien plus riche qu’un corpus où chaque stratégie est une re-skin de la même idée. Deux conséquences empiriques en découlent directement :

• Les stratégies individuelles ressemblent à du bruit (grande variance idiosyncratique, faible prévisibilité IS→OOS) précisément parce que chacune capture une tranche petite et distinctive de l’espace des rendements.
• Les portefeuilles tirés du même pool se comportent très différemment, leurs termes idiosyncratiques s’annulent et la composante structurelle survit. C’est la charnière empirique de L’edge est dans le processus, et le comportement de saturation de l’univers de ces portefeuilles est étudié séparément dans strategy-robust-portfolio.

Pour la vue formelle d’embedding de la même population, PCA + UMAP sur un vecteur métrique de 90 features, voir strategy-manifold. Les deux sections vidéo ci-dessous sont les démonstrations visuelles sur un seul actif, SOL/USDT 1H, en utilisant les familles d’indicateurs publiquement divulguées.

« Des milliers de stratégies » n’est pas, en soi, une affirmation de recherche. C’est la taille d’un substrat d’évaluation. Le substrat est construit de façon exhaustive, déterministe, sans cherry-picking, et sa géométrie interne est dominée par une faible corrélation par paire, non par la redondance. La section de la surface 3D a montré que les huit familles de base ne sont pas la même famille huit fois. La section du graphe de variantes a montré qu’à l’intérieur d’une famille la population de variantes est elle-même structurée, et qu’entre familles les structures restent séparées. C’est cette combinaison qui fait de l’évaluation au niveau de la population un problème différent de la recherche de stratégie individuelle, et qui rend non triviaux les résultats au niveau du portefeuille de L’edge est dans le processus.

Notes du lab qui contribuent à l’analyse de cette page ou la prolongent :

• strategy-rmt, spectre de valeurs propres Marchenko–Pastur et parallel-analysis de la matrice de corrélation, la version formelle de l’histogramme ci-dessus.
• strategy-manifold, embedding PCA + UMAP de la population à partir d’un vecteur métrique de 90 features.
• strategy-tda, barcodes de persistance sur le même complexe de distance de corrélation, mais sur le corpus complet.
• strategy-corrcube, cube de corrélation glissante inter-actifs ; l’analogue au niveau des actifs de la structure au niveau des variantes montrée ici.
• strategy-stats, densité Sharpe au niveau de la population et nuage de points (μ, σ, t) ; la bibliothèque de soutien derrière les compteurs de dimension ci-dessus.
• strategy-overfitting, décomposition de la variance de l’écart Sharpe IS–OOS en biais de sélection, bruit de choix de paramètre, et résiduel.
• strategy-robust-portfolio, analyse de saturation de l’univers pour des portefeuilles tirés du même pool.

Si vous restez non convaincu, le package de reproductibilité SSRN livre chaque agrégat et chaque figure du working paper. Exécutez-le, et rappelez-vous que ce qui se reproduit est l’analyse qui opère sur le corpus, non le corpus lui-même.