22 ans, 8.5k par mois, je réponds à vos questions

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

En gros tu gagnes quand le marché monte et ça marche mal quand le marché baisse comme en ce moment.

Ca me rappelle le mec du forum finance qui a fait un bot avec plein de mesures mais qui finalement performe moins qu'en hold.

Le 27 mai 2021 à 22:23:26 :

Le 27 mai 2021 à 22:20:47 :

Le 27 mai 2021 à 22:19:21 :
aussi j'ai une question l'OP
la cybersécurité intéresse beaucoup de gens à l'X ?
j'ai l'impression que dans les grosses écoles (cs/mines pa/telecom paris) ça intéresse pas les gens, mais à l'X j'ai pas assez de retours

Bah pas beaucoup enfin je connais personne qui en fait pour être honnête

merci de ton témoignage
ça confirme vraiment ce que je vois

Le 27 mai 2021 à 22:20:56 :
Mais ca fait bander qui d'être quant
Un pisseur de code matheux, le rêve

bah perso ça me fait pas bander du tout
mais l'OP est excellent académiquement parlant et ça ça m'intéresse (d'où les questions que je lui pose)
en plus il a l'air relativement sympa, première fois que je vois un mec non arrogant dans ce domaine

tous les mecs que j'ai rencontré qui font des maths quant auraient répondu au mec de dauphine un truc méprisant

OP tes parents t'ont poussé si c'est pas indiscret ?

Non, mon père est au RSA depuis 10 ans
Mais il est content pour moi

Le 27 mai 2021 à 22:24:41 :
L'OP a déjà fait un topic il y a quelques mois avant que son stage (qui est chez JS six jeunes m'abusent) commence pour poser des questions, il avait déjà posté des screens (differents de ceux du topic d'ailleurs) etc, si c'est un fake il se fait énormément chier pour le tisser.

Merci de l'aide

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

Sur la base de tweets, tu ne peux pas expliquer la performance par le beta? Quand je m'intéressais au sujet, c'était littéralement uniquement du beta.

+ Un conseil, faut éviter de trop ajuster ta stratégie aux backtests. Le contexte des marchés n'est pas fixe; et en cherchant trop à ajuster ta strat, en particulier si tu fais tes backtests sur des horizons de temps courts (3 ans par exemple), tu es trop sensible au contexte.

Le 27 mai 2021 à 22:24:10 :

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

En gros tu gagnes quand le marché monte et ça marche mal quand le marché baisse comme en ce moment.

Ca me rappelle le mec du forum finance qui a fait un bot avec plein de mesures mais qui finalement performe moins qu'en hold.

En fait les bots basiques font effectivement ça, le pb c'est que quand t'as une grosse correction et que ton bot via une API (binance, ou l'api homemade degiro) ne fait même pas d'ordres avec des limit mais que des market orders, ben tu perds malgré tout du fric. L'avantage de mon bot c'est que si le marché baisse de 10% sur une semaine, mon bot générera quand même +0% mais effectivement, si le cours prend 10%, c'est pas garanti que mon bot fasse >10% même si globalement il y a toutes les chances que ça le fasse. Le forecasting ne permet pas de prévoir les corrections mais les stats (RSI notamment) permettent de tout stopper en mode "ça baisse trop on arrête le programme"

Le 27 mai 2021 à 22:20:22 :

Le 27 mai 2021 à 22:19:10 :
Des gars de Dauphine arrivent à rentrer là dedans ?

J'en connais aucun, désolé

Merde... bon on va essayer de rentrer par la petite porte

Le 27 mai 2021 à 22:26:54 :

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

Sur la base de tweets, tu ne peux pas expliquer la performance par le beta? Quand je m'intéressais au sujet, c'était littéralement uniquement du beta.

+ Un conseil, faut éviter de trop ajuster ta stratégie aux backtests. Le contexte des marchés n'est pas fixe; et en cherchant trop à ajuster ta strat, en particulier si tu fais tes backtests sur des horizons de temps courts (3 ans par exemple), tu es trop sensible au contexte.

Surtout après la crise covid

Le 27 mai 2021 à 22:24:19 :

Le 27 mai 2021 à 22:23:26 :

Le 27 mai 2021 à 22:20:47 :

Le 27 mai 2021 à 22:19:21 :
aussi j'ai une question l'OP
la cybersécurité intéresse beaucoup de gens à l'X ?
j'ai l'impression que dans les grosses écoles (cs/mines pa/telecom paris) ça intéresse pas les gens, mais à l'X j'ai pas assez de retours

Bah pas beaucoup enfin je connais personne qui en fait pour être honnête

merci de ton témoignage
ça confirme vraiment ce que je vois

Le 27 mai 2021 à 22:20:56 :
Mais ca fait bander qui d'être quant
Un pisseur de code matheux, le rêve

bah perso ça me fait pas bander du tout
mais l'OP est excellent académiquement parlant et ça ça m'intéresse (d'où les questions que je lui pose)
en plus il a l'air relativement sympa, première fois que je vois un mec non arrogant dans ce domaine

tous les mecs que j'ai rencontré qui font des maths quant auraient répondu au mec de dauphine un truc méprisant

OP tes parents t'ont poussé si c'est pas indiscret ?

Non, mon père est au RSA depuis 10 ans
Mais il est content pour moi

ah gg khey alors

Le 27 mai 2021 à 22:29:14 :

Le 27 mai 2021 à 22:26:54 :

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

Sur la base de tweets, tu ne peux pas expliquer la performance par le beta? Quand je m'intéressais au sujet, c'était littéralement uniquement du beta.

+ Un conseil, faut éviter de trop ajuster ta stratégie aux backtests. Le contexte des marchés n'est pas fixe; et en cherchant trop à ajuster ta strat, en particulier si tu fais tes backtests sur des horizons de temps courts (3 ans par exemple), tu es trop sensible au contexte.

Surtout après la crise covid

Les données NLP c'est sympa sur papier; mais il ne faut surtout pas faire reposer une strat dessus.

J'avais tenté également de faire un truc à l'époque avec le controversy score des news sur Eikon/Reuters; c'était terrible.

Le 27 mai 2021 à 22:26:54 :

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

Sur la base de tweets, tu ne peux pas expliquer la performance par le beta? Quand je m'intéressais au sujet, c'était littéralement uniquement du beta.

+ Un conseil, faut éviter de trop ajuster ta stratégie aux backtests. Le contexte des marchés n'est pas fixe; et en cherchant trop à ajuster ta strat, en particulier si tu fais tes backtests sur des horizons de temps courts (3 ans par exemple), tu es trop sensible au contexte.

j'ai automatiquement créé un LSTM par entreprise puis par crypto c'est pour ça que l'ahuri d'op avec son overfitting me fait rire, un quant aurait compris que j'ai pas littéralement foutu un input de >500 dans un LSTM ayoooo sinon effectivement les backtests dépendent trop des périodes. Vis à vis du contexte temporel c'est intéressant ce que tu dis parce que c'est pile poil la raison pour laquelle dans les modèles statistiques qui marchent le mieux, enfin.. selon moi, ce sont les models qui favorisent les évènements récents (EMA, WMA au lieu de SMA) et les LSTM de toute façon sont entraînés et donc prennent la meilleure décision. Et airbus, pour y avoir travaillé, m'a effectivement donné de meilleurs résultats en entraînant le bot sur des périodes récentes plutôt qu'anciennes même si le covid m'a complètement empêché de mettre mon argent dessus

Le 27 mai 2021 à 22:16:29 :
Félicitations l'op si Nofake. Décidément le fofo est rassemble vraiment l'élite.

Tu pourrais vraiment être étonné

8h30-19h jamais je n'accepterai ce rythme pour tout l'or du monde.

Mais temps mieux si tu es satisfait ainsi j'espère que tu ne le regretteras pas plus tard

Investit dans l'immobilier et l'or ce sont les seuls placement sur et rentable avec un risque proche de 0.

Avec 8.5 k tu te fait une rente immobiliere + des billes dans l'or et dans moins de 5 ans tu es rentier et tu as plus a taf comme un chien.

Le 27 mai 2021 à 22:19:21 :
aussi j'ai une question l'OP
la cybersécurité intéresse beaucoup de gens à l'X ?
j'ai l'impression que dans les grosses écoles (cs/mines pa/telecom paris) ça intéresse pas les gens, mais à l'X j'ai pas assez de retours

Parce qu'aujourd'hui dans les grosses écoles, on bourre le crâne des jeunes arrivants que leur avenir c'est manager dans une grosse taule et pas de faire de la technique

La réalité c'est qu'à 40 ans, plus de cheveux à force de stresser comme un chien, middle manager qui fait que des réunions politiques 8h / jour et petit pavillon en grande banlieue crédit sur 25 ans

Et après on s'étonne pourquoi le pays de dés-industrialise ...

Le 27 mai 2021 à 22:33:35 :

Le 27 mai 2021 à 22:26:54 :

Le 27 mai 2021 à 22:20:14 :

Le 27 mai 2021 à 22:12:31 :

Le 27 mai 2021 à 22:11:47 :

Le 27 mai 2021 à 22:10:20 :

Le 27 mai 2021 à 22:06:36 :

Le 27 mai 2021 à 22:03:32 :

Le 27 mai 2021 à 22:01:42 :
Vous faites quoi de plus que c/c des codes python issu de stackoverflow

From scikit learn import *

En vrais je troll a moitié mais pourquoi les quant sont autant paye ?
Pck vous mettez "juste" en place des modèles de stats utiliser ailleurs non ?

Pour être honnête on est très peu à faire de l'IA en quant, 99% du temps ça se limite à des régression linéaires

régression linéaire en finance quantitative ? Bizarre clé
Perso j'ai créé une stratégie combinant RSI, bollinger utilisant un alpha de 1.7 basé sur un EMA et non un MA standard, le tout en avec nlp quotidien d'actus surtout de twitter le tout passé dans un LSTM, pour le bitcoin/ETH et doge ça marchait du feu de dieu pendant un moment, tesla en début d'année 2020 mais là c'est moins performant

Je te le dis cash khey, ce que tu fais c'est du bidouillage.

N'empêche qu'une heure sur un cours descendant de tesla me rapportait plus avec ma stratégie qu'un an de livret A

Tant mieux pour toi khey.

Tu as combien d'années de backtest sur ta strat?

Alors j'ai plusieurs versions parce que j'ai entraîné un LSTM donc en tout j'ai recueilli tout S&P 500 + les tweets disponibles, donc j'ai filtré les boîtes qui n'avaient pas de tweets quotidiens malgré S&P, j'ai créé une série temporelle par heure au début puis par minute combinant les indicateurs statistiques + sentiment analysis desdits tweets et j'ai entraîné mon LSTM. Ensuite le classifieur, niveau backtest, j'ai paramétré pas mal de trucs à la main, le 1.7 des bolligner c'est littéralement le truc que j'ai trouvé à force de backtest et de voir la plus-value finale. En temps, ce sont des années et des années. Après le gros du taf c'est de trouver les corrélations décalées entre certaines boîtes, météo, actu et... tweets : Airbus baisse-> boeing monte qq secondes après, c'est un exemple grossier mais voilà le truc.

Sur la base de tweets, tu ne peux pas expliquer la performance par le beta? Quand je m'intéressais au sujet, c'était littéralement uniquement du beta.

+ Un conseil, faut éviter de trop ajuster ta stratégie aux backtests. Le contexte des marchés n'est pas fixe; et en cherchant trop à ajuster ta strat, en particulier si tu fais tes backtests sur des horizons de temps courts (3 ans par exemple), tu es trop sensible au contexte.

j'ai automatiquement créé un LSTM par entreprise puis par crypto c'est pour ça que l'ahuri d'op avec son overfitting me fait rire, un quant aurait compris que j'ai pas littéralement foutu un input de >500 dans un LSTM ayoooo sinon effectivement les backtests dépendent trop des périodes. Vis à vis du contexte temporel c'est intéressant ce que tu dis parce que c'est pile poil la raison pour laquelle dans les modèles statistiques qui marchent le mieux, enfin.. selon moi, ce sont les models qui favorisent les évènements récents (EMA, WMA au lieu de SMA) et les LSTM de toute façon sont entraînés et donc prennent la meilleure décision. Et airbus, pour y avoir travaillé, m'a effectivement donné de meilleurs résultats en entraînant le bot sur des périodes récentes plutôt qu'anciennes même si le covid m'a complètement empêché de mettre mon argent dessus

Tu gagnes uniquement parce que le marché monte, tout ce que tu fais c'est inventer des explications. T'as bien dit que ça marchait quand TSLA et le BTC montait, donc tu fais quelque chose qui vaut pas mieux que buy & hold.