Statut du modèle AI

Le classificateur LightGBM EURUSD M15 est appliqué en cross-symbol comme aperçu préliminaire. L'ensemble de features (RSI, MACD, ATR, BB, croisements EMA, flags de session) est calculé par instrument en temps réel. Cependant, le modèle n'a jamais été validé sur des données non-EURUSD — les signaux hors EURUSD doivent être traités comme expérimentaux. Des modèles par classe d'actifs sont prévus pour Q2–Q3 2026.

Seuils minimaux sur le jeu de test walk-forward sur 180 jours : Sharpe ≥ 0,8, Taux de réussite ≥ 50%, Facteur de profit ≥ 1,2, Drawdown max. ≤ −3R. Les modèles ne satisfaisant pas un critère reviennent en staging pour réentraînement.

L'entraînement utilise des données OHLCV EURUSD M15 à partir de 2015 jusqu'à 6 mois avant la date de début d'entraînement. Les 6 derniers mois sont réservés comme jeu de validation walk-forward. Les labels Triple-Barrier (López de Prado) sont calculés avec un ratio récompense:risque de 1,5R et une barrière temporelle de 48 barres.

Le modèle de production est réentraîné trimestriellement sur une fenêtre expansive. L'ordonnanceur d'inférence (PM2 ai_signals_inference) détecte les changements de version et recharge le nouveau booster à chaud sans interruption.

Une règle de rollback automatique vérifie le taux de réussite sur une fenêtre glissante de 200 signaux. S'il tombe en dessous de 45% sur 3 fenêtres de 24h consécutives, le déploiement est automatiquement revert vers la version précédente et une alerte Telegram est envoyée.

Les entrées planifiées représentent des intentions de feuille de route — les modèles n'ont pas encore été entraînés, il n'y a donc pas de métriques d'acceptation. Elles apparaîtront après la fin de l'entraînement et le passage des critères d'acceptation.

Nous utilisons l'importance basée sur le gain de LightGBM : le gain d'information total qu'une feature apporte à travers tous les splits d'arbres dans le booster. Une valeur plus élevée signifie une plus forte influence de la feature sur les prédictions directionnelles.

Le taux de réussite seul est trompeur. Le système cible 1,5R ou mieux par trade. Un taux de 52% avec 1,5R par gain et 1R par perte génère une espérance positive. Le ratio de Sharpe et le facteur de profit sont plus significatifs.

La pipeline d'entraînement est propriétaire. La méthodologie est entièrement documentée sur la page Méthodologie — l'ensemble de features, l'approche de labelling, les seuils de confiance et les calculs de risque sont décrits suffisamment en détail pour reproduire le système indépendamment.

Les features sont calculées uniquement à partir des barres antérieures à la fenêtre d'étiquetage. Le jeu de validation (6 derniers mois) n'est jamais utilisé lors de la recherche d'hyperparamètres. L'étiquetage Triple-Barrier inclut une sortie temporelle pour empêcher les prix futurs de contaminer les fenêtres de features.

LightGBM sur des données financières tabulaires surpasse constamment les modèles profonds sur des jeux de données de taille modérée (< 5M barres). Il s'entraîne en minutes, produit des importances de features interprétables, et son mode DART gère mieux le déséquilibre de classes.

La distribution en trois classes (long / short / neutre) est approximativement 20% / 20% / 60%. Le paramètre is_unbalance=True de LightGBM rééquilibre automatiquement les classes. Un filtrage supplémentaire par seuil de confiance (60% intraday, 55% journalier) réduit davantage le bruit neutre.

Les signaux M15 ciblent la fenêtre Triple-Barrier jusqu'à 48 barres (12 heures). En pratique, la plupart des trades se résolvent en 4–8 barres. Un stop temporel à la barre 48 classe le trade comme expiré (neutre) si ni TP ni SL n'a été atteint.