Recherche quantitative multi-agents

AQRS

Un laboratoire de recherche quantitative piloté par 10 agents IA locaux, où les modèles de langage ne calculent aucun chiffre.

10agents orchestrés en 13 étapes

7modèles ML comparés en walk-forward

0transaction réelle : exécution simulée

En bref

AQRS reproduit la démarche d'un département de recherche quantitative : collecte et validation des données, hypothèses testables, modèles statistiques et ML, backtests avec coûts, walk-forward, optimisation de portefeuille, contrôle des risques, audit des biais, rapports traçables et paper trading. Dix agents sont orchestrés par LangGraph en 13 étapes ; les LLM choisissent parmi des options testables et rédigent des commentaires, mais tous les chiffres sont calculés par du code vérifiable.

Le rôle des agents et de l'IA

10 agents orchestrés par LangGraph en 13 étapes, permissions par outil, chaînes de modèles locaux (Ollama, LM Studio) avec repli, quarantaine et suivi des jetons. Le système fonctionne aussi entièrement sans IA.

Ce que fait le projet

Générateur de données synthétiques à vérité terrain (18 actifs) et connecteurs Yahoo, FRED et CSV, avec 12 contrôles qualité
Économétrie (ADF, KPSS, Johansen, GARCH, Fama-MacBeth…) et 7 modèles ML avec walk-forward purgé
Backtests multi-actifs avec coûts, portefeuilles Markowitz, parité de risque, Black-Litterman, HRP
Risque : VaR (4 méthodes), Expected Shortfall, stress tests et veto chiffré
Audit des biais (look-ahead, survivant, fuite ML, surapprentissage), audit chaîné SHA-256, interface de 15 pages

Technologies

Python
LangGraph
Ollama
TimescaleDB
Redis
MLflow
Next.js

Limites connues

Aucune transaction réelle : l'exécution est simulée (paper trading). Par défaut, toutes les données sont synthétiques et étiquetées comme telles ; les performances affichées sont des simulations, pas un conseil en investissement.

Voir la présentation animée →Me proposer un stage