Lab
Implémentations ouvertes
Code de référence en Python, Rust et R pour les M-models publics de Daru Finance et les analyses de soutien. Ce sont les implémentations derrière les articles publiés sur ce site, intentionnellement minimales, intentionnellement lisibles, intentionnellement reproductibles.
Tout, à découvert
Géométrie PCA + UMAP de la population de stratégies
Embedding PCA + UMAP de grandes populations de stratégies à partir d’un vecteur métrique de 90 features, avec séparation basée sur la connectivité entre stratégies robustes et fragiles.
Lire la méthode Plus récentDensité Sharpe et nuage de points (μ, σ, t) de la population
Densité Sharpe au niveau de la population et nuage de points (moyenne, std, t) sur un univers de stratégies. Bibliothèque de soutien pour les analyses empiriques.
Lire la méthodeSpectre de valeurs propres de la matrice de corrélation des stratégies
Spectre de valeurs propres Marchenko–Pastur et parallel-analysis de matrices de corrélation de stratégies. Implémentation de référence du modèle M/01 du cabinet.
Détection de signal parcimonieux avec contrôle du FDR
Higher Criticism plus knockoffs Model-X pour une sélection de stratégies avec contrôle du FDR. Implémentation de référence du modèle M/02 du cabinet.
Barcodes de persistance sur la structure des stratégies
Barcode de persistance H0 sous Vietoris–Rips de distance de corrélation sur des populations de stratégies. Implémentation de référence du modèle M/03 du cabinet.
Peaks-over-threshold et couplage de queue par paire
Ajustements GPD peaks-over-threshold et couplage de queue χ par paire sur des rendements inter-actifs. Implémentation de référence du modèle M/04 du cabinet.
Décomposer l’écart Sharpe IS-OOS
Décomposition de la variance de l’écart Sharpe in-sample / out-of-sample en biais de sélection, bruit de choix de paramètre, et skill résiduel sur 10 actifs crypto deep-WFO.
La régularité in-sample prédit-elle le skill hors échantillon ?
Test empirique pré-enregistré visant à déterminer si la régularité de la surface Sharpe in-sample sous un ensemble fixe de cinq perturbations prédit le skill hors échantillon sur les partitions walk-forward SOL / DOGE / BTC.
Géométrie PCA + UMAP de la population de stratégies
Embedding PCA + UMAP de grandes populations de stratégies à partir d’un vecteur métrique de 90 features, avec séparation basée sur la connectivité entre stratégies robustes et fragiles.
Segmentation de régimes par Hidden Markov
Segmentation de régimes par HMM gaussien sur des features (logret, volatilité, tendance) avec K sélectionné par BIC ; préférence inter-actifs pour 4 états sur les majors crypto.
Saturation de l’univers des portefeuilles à variance minimale
Analyse de saturation de l’univers pour des portefeuilles à variance minimale tirés de grands pools de stratégies, comparant le shrinkage Ledoit–Wolf, l’estimateur robuste de type Huber et la covariance échantillonnale.
Densité Sharpe et nuage de points (μ, σ, t) de la population
Densité Sharpe au niveau de la population et nuage de points (moyenne, std, t) sur un univers de stratégies. Bibliothèque de soutien pour les analyses empiriques.
Cube de corrélation glissante inter-actifs
Cube de corrélation échantillonnale inter-actifs sur un univers de 9 actifs. Bibliothèque de soutien pour les analyses au niveau de la population.
Le signal est collectif
Démos synthétiques reproductibles derrière l’article « Le signal est collectif ».
Les frameworks (implémentations complètes de backtester) et le package de reproductibilité du paper Monte Carlo sont délibérément exclus de cette liste, ils vivent dans leurs propres emplacements dédiés. Voir github.com/DaruFinance pour l’index complet des dépôts.