Analyse de marché
En ligneRankoon
Rankoon est né de mon projet Portfolio, une configuration classique de machine learning avec des modèles de classement XGBoost pour étudier des stratégies crypto. C’est aujourd’hui un site public avec des signaux en direct sur plusieurs horizons, la rotation sectorielle, des classements quotidiens de modèles, des portefeuilles fictifs et des taux de réussite historiques transparents. Tout repose sur des données de marché publiques et de l’argent simulé. Il s’agit de recherche, pas de conseil en investissement.
- Mon rôle
- Créateur, ingénieur ML et développeur produit
- Début
- Mise à jour
- Visibilité
- Public
- classements des modèles sur tout l’univers suivi
- Quotidien
- validation avec taux de réussite publiés
- Walk-forward
- argent simulé, pas de conseil en investissement
- Fictif
Problème
L’analyse crypto est éclatée entre collecte de données, évaluation des modèles et tests d’exécution, ce qui rend difficile de comparer des stratégies de façon cohérente ou de savoir si un signal a déjà fonctionné.
Solution
Un produit public unique qui collecte les données, classe les actifs avec des modèles de ML, publie les signaux avec leurs taux de réussite historiques et suit des portefeuilles fictifs face au marché.
Architecture
Des collecteurs planifiés récupèrent des données de marché publiques, des modèles de classement XGBoost notent les actifs chaque jour, une évaluation walk-forward mesure honnêtement les taux de réussite, et des portefeuilles fictifs suivent une règle simulée simple. Une application web présente signaux, classements, pages d’analyse et performance des portefeuilles.
Ce que j’en retiens
Le ML classique tient ses promesses quand la qualité des données, la rigueur de l’évaluation et l’honnêteté du reporting sont au rendez-vous. Afficher les taux de réussite à côté des signaux inspire plus confiance que n’importe quelle description de modèle.
Technologies
- Python
- XGBoost
- Walk-forward validation
- Automated data collection
- Paper trading
- Azure
#machine-learning #ranking-models #crypto #market-research
Plus de captures d’écran
