Pour les étudiants6 projets6 à prendre

Projets de recherche étudiants

Six questions de recherche en finance quantitative, chacune calibrée pour un étudiant sur six semaines. Vous faites les données, le code et les chiffres. Je vous encadre, puis j'écris l'article et je le publie ici avec vous comme co-auteur.

C'est gratuit, pour toute personne qui veut percer dans la recherche quant.

Chaque question a une spécification écrite, verrouillée avant que quiconque ne la réserve, pour que le protocole ne puisse pas dériver une fois les résultats arrivés. Tous les résultats sont publiés, y compris les négatifs.

Les projets

À qui ça s'adresse

Les projets sont calibrés pour un étudiant en dernière année de licence de mathématiques, ou pour toute personne au même niveau : probabilités, statistiques, algèbre linéaire, quelques séries temporelles et assez de Python pour écrire du code testé. Aucune formation en finance n'est nécessaire. Chaque spécification définit les termes de marché qu'elle emploie.

Si vous n'êtes pas tout à fait à ce niveau mais que vous voulez essayer, écrivez-moi quand même et nous verrons quel projet vous convient.

Déroulement

Choisissez un projet ci-dessous et cliquez sur « Réserver ce projet ». Cela ouvre un e-mail à mon adresse.
Parlez-moi un peu de vous : votre nom, votre université et votre année, le projet qui vous intéresse et quelques lignes sur votre parcours.
Je vous envoie la spécification complète. Elle fixe la question, les données, les méthodes, la règle de décision et le seuil minimal de publication. Nous faisons un court appel pour vérifier que le projet vous convient.
Vous y travaillez pendant six semaines, seul. Je relis votre travail à trois points de contrôle (fin des semaines 1, 3 et 6) et je réponds à vos questions entre-temps. Je vous aiderai quand vous serez bloqué, mais je n'écrirai pas de code et je ne lancerai pas d'analyses à votre place.
Vous rendez, j'écris. Si le travail atteint le seuil, j'écris l'article et vous le relisez pour en corriger les erreurs factuelles. Il est ensuite publié sur ce site avec votre nom.

Un seul étudiant par projet à la fois.

Ce que vous rendez

Un dépôt de code qui reconstruit chaque chiffre à partir des données brutes avec une seule commande. Il reste privé, partagé avec moi, pendant que vous travaillez, et devient public sous licence MIT à la publication de l'article.
Un dossier de résultats : les tableaux et figures listés dans la spécification, plus un résumé lisible par machine du résultat principal.
Un journal de méthodes de deux à quatre pages : ce que vous avez fait, chaque écart à la spécification avec sa raison, plus tout ce qui vous a surpris.

Vous n'écrivez pas l'article. C'est mon travail.

Ce que vous obtenez

Le statut de co-auteur sur un article de recherche publié, avec votre université si vous le souhaitez.
Une fois l'article paru, un dépôt open source portant votre nom, tenu à un niveau que vous pouvez montrer à un employeur ou à un encadrant.
Six semaines d'encadrement individuel sur un vrai problème de recherche.
Une lettre de recommandation, à ma discrétion, si le travail est bon.

Les projets sont bénévoles et non rémunérés.

Les projets

P1Libre

Does intraday data beat daily data for forecasting tomorrow's volatility?

For crypto perpetual futures, does a forecast built from five-minute returns predict next-day volatility better than one built from daily returns alone? You compare an HAR model on realised variance against GARCH(1,1) and a simple exponential average on ten major contracts, with formal forecast-comparison tests.

Vous produirez: out-of-sample forecast losses for three models on ten contracts; Diebold-Mariano tests per contract and pooled, with a multiple-testing correction; a model confidence set; a signature plot; every forecast.
Contexte: maximum likelihood, OLS asymptotics, stationary time series, HAC variance estimation.
Données: Binance public futures data, one-minute and daily, 2021 to 2026.

Réserver ce projet

P2Libre

How fast do perpetual funding rates mean-revert, and is that enough to trade?

When a perpetual futures funding rate jumps away from its usual level, how many days does it take to close half the gap? Does knowing that half-life let a spot-and-perpetual carry position beat random timing after costs?

Vous produirez: bias-corrected half-lives with confidence intervals for twenty contracts, overall and by year; a simulation check of the bias correction; three carry rules with profit split into funding, basis and costs; a random-entry null test; a full trade ledger.
Contexte: AR processes, OLS asymptotics and small-sample bias, bootstrap for time series.
Données: Binance public funding-rate history, futures and spot prices, 2021 to 2026.

Réserver ce projet

P3Libre

Does the bootstrap you choose decide whether a strategy looks significant?

Trading returns have heavy tails, volatility clustering and sometimes serial correlation. Which of six standard methods for a Sharpe-ratio confidence interval keeps its stated 95% coverage under those conditions, and does the choice of method change the verdict on real trading rules?

Vous produirez: coverage, interval width, size and power for six methods on five simulated return processes at three sample sizes; a block-length sensitivity check; verdicts from every method on ten classic Bitcoin trading rules, and how many rules flip.
Contexte: CLT and the delta method, stationary processes, Markov chains, the bootstrap principle.
Données: simulation, plus Binance public Bitcoin spot prices from 2017.

Réserver ce projet

P4Libre

How many strategies can you try before the best one is noise?

A researcher tests N trading rules on past data and keeps the one with the best in-sample Sharpe ratio. As N grows, does picking the best one still beat picking at random out of sample? If the benefit disappears, at what N? Do the Deflated Sharpe Ratio and Hansen's SPA test warn about it from the in-sample data alone?

Vous produirez: in-sample and out-of-sample Sharpe ratios for 1,000 rule configurations over 23 walk-forward windows; the gain from picking the best as N grows, with intervals; pass rates for both tests and whether they predict out-of-sample results; a control run on data with no signal.
Contexte: order statistics and Gaussian extremes, eigenvalues of correlation matrices, hypothesis testing, the bootstrap.
Données: Binance public Bitcoin futures prices, hourly, 2020 to 2026.

Réserver ce projet

P5Libre

Does shrinking the covariance matrix improve a minimum-variance crypto portfolio?

When the number of assets is not small relative to the number of observations, the sample covariance matrix is badly conditioned and its inverse amplifies noise. Do Ledoit-Wolf shrinkage and random-matrix cleaning lower the realised risk of a minimum-variance portfolio, and how does the answer change with the ratio of assets to observations?

Vous produirez: realised volatility for six estimators across twelve combinations of portfolio size and estimation window; variance tests against the sample covariance; predicted versus realised risk; turnover and net return; a simulation compared with exact finite-sample theory.
Contexte: spectral decomposition and matrix inverses, multivariate normal theory, Lagrange multipliers.
Données: Binance public futures prices for every contract, including delisted ones, 2021 to 2026.

Réserver ce projet

P6Libre

How much does estimation error cost a Kelly bettor?

The Kelly fraction maximises long-run growth when the return distribution is known, but a real trader has to estimate it. If you bet a fraction c of the estimated Kelly fraction, which c maximises realised growth? You derive a closed-form answer, test it by simulation and then measure what happens on real crypto returns.

Vous produirez: a written derivation of the optimal fraction; a simulation grid with ruin rates; the simulated optimum against the theoretical one; growth curves on ten real contracts after costs and funding.
Contexte: expectation and variance of sample means, Taylor expansion, logarithmic utility.
Données: simulation, plus Binance public futures prices and funding, 2021 to 2026.

Réserver ce projet

Verrouillé avant le début

Chaque spécification a été verrouillée le 16 octobre 2026, avant qu'aucun étudiant ne soit affecté. J'ai haché chaque fichier en SHA-256 et horodaté les empreintes sur la blockchain Bitcoin avec OpenTimestamps. Quand un article est publié, la spécification complète paraît avec lui, pour que chacun puisse vérifier que l'étude a répondu à la question qu'elle s'était posée, de la manière annoncée.

Common standard	806cc9ca2bca769c4babf74899b9a4ff25473541d80dfdca53fd7079fc6aa270
P1	9d18cf7bd9b7f81066e4507425126495ccfd0d076a313e486ae4a7558feaca7a
P2	a56a81cdec52cd6ebad02fcf1cf70ee82726c00eeadb389e1405c53a0753b662
P3	a39e6c348e5b08ea11fd62350b191b9d27ae121e58b8bd5d929d7c0731047ba6
P4	10e405c3a9bae3a3a27c381a76e95ba087b7c7c95a1172e75aecc4a4c024d853
P5	f0bdebd01b8698893ffe7a8b66e3a01eae5a16a90e85fc6cdb1cc5c89664c43f
P6	d0583c739f64793f1b168df424789c5992d8e212ff2d055ce6bb10d3a0f7c469

Une fois verrouillée, une spécification ne change pas. Si un point s'avère impossible tel qu'il est écrit, la modification est consignée avec une date et une raison, puis publiée avec les résultats.

Conditions (résumé)

En réservant un projet, vous acceptez ces conditions. Les conditions complètes accompagnent la spécification.

Bénévole et non rémunéré. Ce n'est pas un emploi ni un stage.
Co-auteur si le seuil est atteint. Si votre travail atteint le seuil minimal fixé dans la spécification, vous êtes co-auteur. Un travail partiel est crédité nommément.
Tous les résultats sont publiés, positifs, négatifs ou nuls. Le sens d'un résultat n'a aucun effet sur l'acceptation du travail.
J'écris l'article et je garde le contrôle éditorial final. Vous voyez le brouillon en premier et pouvez corriger toute erreur factuelle concernant votre travail. Vous pouvez demander le retrait de votre nom, mais les résultats et le code peuvent tout de même être publiés.
Gardez les résultats privés jusqu'à la parution de l'article, votre dépôt compris. Ensuite, présentez-les, mettez-les sur votre CV et construisez dessus.
Les outils d'IA sont autorisés, mais vous répondez de chaque ligne et de chaque chiffre. Je peux refuser un travail visiblement produit sans compréhension, par exemple du code que vous ne savez pas expliquer. À n'importe quel point de contrôle, je peux vous demander de m'expliquer une partie du code et de la relancer en direct.
Votre code, licence ouverte. Le dépôt est privé pendant que vous travaillez et devient public sous licence MIT avec l'article. Vous gardez le droit d'auteur.
Données publiques uniquement. Uniquement les données gratuites nommées dans la spécification. Pas de données payantes, propriétaires ou venant d'un employeur.
Intégrité. Des résultats fabriqués ou rapportés de façon sélective mettent fin au projet, et tout article concerné est rétracté.
Signalez d'emblée les conflits d'intérêts, par exemple un emploi dans une société de trading ou l'usage du projet pour des crédits universitaires.
Les réservations expirent. Si un point de contrôle a plus de deux semaines de retard sans prévenir, le projet peut passer à quelqu'un d'autre.
Pas un conseil en investissement. Les stratégies étudiées sont des objets de recherche, pas des recommandations.
Ce qui est publié sur vous : votre nom, votre université si vous le souhaitez et le lien vers votre dépôt. Les e-mails restent privés.

Des questions avant de réserver ? Écrivez à daniel@daru.finance.