voici comment construire un desk de recherche quantitative IA avec Opus 5.5, étape par étape.
un seul endroit pour analyser des entreprises, tester des idées de trading et inspecter les preuves derrière chaque résultat.
utilisez les prompts, les captures d'écran annotées et les vérifications ci-dessous pour créer votre propre version.
nous commencerons par un pilote Minara fonctionnel, puis nous construirons le pipeline de données et de recherche dont le desk complet a besoin.
demandez à un chat IA la liste de toutes les actions IA dans le monde et vous obtiendrez probablement une liste. commencez plutôt par définir l'exposition à l'IA, les cotations éligibles et les preuves exigées pour chaque entreprise.
sautez cette étape et la liste risque de mélanger clients et fournisseurs, de compter une même entreprise trois fois et d'introduire des informations futures dans des décisions passées.
dans la configuration proposée, chaque outil a une seule mission :
Minara organise la recherche et le pilote. Codex exécute des calculs reproductibles. Jev vérifie les preuves typées une fois les tests rigoureux réussis. Dots coordonne les tâches délimitées dès que sa transmission est validée.
avant de demander un modèle, je veux des preuves que je peux inspecter.
quels émetteurs cotés sont éligibles, pourquoi les inclure et à quoi les données peuvent-elles répondre ?
le noyau prévu couvre les actions ordinaires cotées et les ADR pour lesquels des sources nommées offrent une couverture par pays. je cartographierai l'exposition à l'IA de chaque émetteur sur toute la chaîne de valeur.
le momentum, la qualité et le cycle d'investissement font l'objet de tests séparés une fois leurs données d'entrée validées.
« mondial » exige une couverture documentée. toutes les bourses et tous les émetteurs n'apparaîtront pas automatiquement.
il s'agit de recherche sans connexion courtier, routage d'ordres, portefeuille ni déploiement en direct.
les captures brutes peuvent afficher des libellés de compte. elles enregistrent l'interface actuelle ou sauvegardée ; je n'ai pas reproduit les résultats de manière indépendante.
ce que Minara prend en charge aujourd'hui
j'ai exploré Minara pour inspecter ses outils de recherche. la base de données mondiale reste à construire.
la Factor Library affichait 376 facteurs, dont plusieurs façons de définir le momentum.
un exemple du Strategy Studio contenait 31 instruments actuels, y compris des ETF et des titres non américains.
cela suffit pour un pilote d'interface. l'historique de l'univers des actions mondiales nécessite encore ses propres données.
la note sur le momentum américain au sens large a renvoyé « non calculé ». la couverture historique, l'univers, la date des données et les prix exécutables n'étaient pas vérifiés.
j'ai également relevé des incohérences de coûts et de paramètres dans les écrans de backtest.

la note Minara actuelle et la requête d'origine illustrent les limites de l'interface et de la recherche.

• à gauche, une exécution de recherche institutionnelle préexistante avec une couverture mondiale incomplète. la flèche indique les phases terminées de la table ronde NVDA.
• au centre, un rapport exclusivement consacré à NVDA, sans univers IA mondial. la flèche indique son titre et sa recommandation de conservation.
• à droite, la requête d'origine et la note sauvegardée décrivent une étude non testée. la flèche indique la conclusion et la limite liée aux données non étayées.
définir d'abord l'univers investissable
commencez par l'identité de l'entreprise. ajoutez le ticker ensuite.
un ticker identifie une cotation. l'étude a généralement besoin de l'émetteur qui se cache derrière.
un même émetteur peut avoir plusieurs classes d'actions, une cotation principale locale et un ADR.
une recherche large peut aussi retourner des ETF, des fonds, des warrants et des sociétés privées.
comptez-les comme des entreprises IA indépendantes et l'échantillon sera faussé avant même le premier calcul.
je conserverai deux tables liées :
le référentiel émetteurs stocke un issuer_id interne stable, la raison sociale, le domicile et les identifiants externes disponibles.
le référentiel cotations stocke listing_id, le lien vers l'émetteur, le ticker, la place boursière, la classe d'actions, le type d'instrument, la devise, le calendrier, les dates d'activité et tout ratio ADR ou titre sous-jacent.
une entité juridique et un titre nécessitent des identifiants distincts, reliés par une table de correspondance émetteur-cotation datée.
une correspondance non résolue exclut l'entrée de l'échantillon principal.
le premier noyau inclut les actions ordinaires et les certificats de dépôt.
les ETF, fonds, produits dérivés, actifs tokenisés et sociétés privées restent exclus ou suivis séparément.
un ADR et son action sous-jacente comptent pour un seul émetteur, même si les deux ont un ticker.
avant les tests, je figerai la règle de cotation principale ou je choisirai explicitement une étude au niveau de la cotation.
les résultats des facteurs ne peuvent pas modifier ce choix.
chaque étiquette « entreprise IA » exige des preuves. une case cochée sur une bourse ne suffira pas.
j'utiliserai trois catégories :
• exposition directe : l'émetteur vend des modèles, logiciels, systèmes ou services d'IA étayés par des preuves publiées au niveau d'un segment ou d'un produit.
• fournisseur ou facilitateur : il vend des puces, de la mémoire, des équipements de fabrication, du réseau, de la capacité cloud, des systèmes de data center, de l'alimentation, du refroidissement ou d'autres intrants identifiables pour le déploiement de l'IA.
• liste de surveillance uniquement : une déclaration de la direction, un positionnement large ou un lien plausible manque de détails pour une inclusion dans le noyau.
chaque enregistrement de preuve conserve l'affirmation, le passage source, la période du document, l'horodatage de publication, le segment d'activité, l'heure de capture, la règle d'étiquetage, le réviseur et le lien société mère/filiale.
un LLM peut localiser les passages et signaler les conflits. les étiquettes historiques exigent toujours des sources datées et des enregistrements validés par un humain.
known_at m'empêche d'injecter la description 2026 d'une entreprise dans son dossier de 2018.
pas de preuve signifie inconnu. c'est un résultat valide.
comptez les inconnus à côté de chaque classe afin que les preuves manquantes restent visibles.
« mondial » nécessite un registre de couverture pour chaque source.
enregistrez les pays, les bourses, les types d'instruments, l'historique, les noms radiés, les opérations sur titres, les champs financiers, les licences et les lacunes.
indiquez pour chaque couple pays/bourse s'il est inclus, partiel ou indisponible. définissez le sous-ensemble pris en charge par le fournisseur comme périmètre de l'étude.
un titre « mondial » ne peut pas masquer une couverture incomplète.
construire le référentiel sans doublons ni fuite temporelle
figez le manifeste de l'univers : date de référence, pays, places boursières, types d'instruments, règles d'exposition, instantané de la table de correspondance des identifiants, filtres de qualité, traitement des radiations, millésimes des sources et exclusions.
signalez les effectifs à chaque étape : candidats, émetteurs et cotations mis en correspondance, doublons, instruments rejetés, étiquettes inconnues et membres finaux.
un réviseur doit pouvoir tracer la liste source jusqu'à l'univers final.
les tickers changent. l'historique d'identité doit survivre.
les entreprises changent de nom, de place boursière et de classe d'actions. les cotations peuvent être suspendues, fusionnées ou radiées.
conservez les alias datés, les sources de correspondance et la raison de chaque changement.
les liens et ratios ADR nécessitent également des dates d'effet.
l'annuaire boursier actuel aide à identifier les cotations du jour. il n'établit ni l'appartenance historique ni la date à laquelle les preuves liées à l'IA sont devenues publiques.
les documents réglementaires peuvent fournir des dates de publication, mais pas les rendements totaux ni les données de radiation.
un historique requis indisponible ou non licencié signifie « non calculé ».
chaque cotation possède une devise, un calendrier, des règles d'heure d'été et une heure de clôture.
j'utiliserai des rendements non couverts dans une devise de base unique, probablement l'USD, avec une source FX et un horodatage nommés.
définissez la méthode de rendement total, la politique relative aux opérations sur titres et aux dividendes, le traitement des radiations et l'heure d'exécution.
des clôtures à la même date ne prouvent pas la disponibilité. vérifiez les horodatages réels de Tokyo et des bourses fermant plus tard.
enregistrez l'heure de décision et la prochaine session locale exécutable dans le manifeste.
conservez les rendements en devise locale pour les diagnostics. documentez la conversion en USD, car le change peut modifier les classements.
alignez les jours fériés et les sessions non chevauchantes sur les calendriers boursiers. une jointure systématique en fin de mois peut masquer des erreurs de synchronisation.
si une synchronisation cohérente n'est pas possible, utilisez le sous-ensemble alignable et précisez la limite.
trois hypothèses. trois modes d'échec.
un agent ne devrait pas tester des milliers de facteurs jusqu'à obtenir un joli graphique.
figez trois hypothèses simples, limitez les variantes et testez-les une par une.
le momentum passe en premier. ses définitions sont inspectables dans Minara dès aujourd'hui.
la qualité et le cycle d'investissement restent au stade de la conception tant que les données historiques n'ont pas passé l'audit.
1. Momentum. comparez le rendement total brut sur 12 mois, composé de t−12 à t−1, avec le momentum 12–2, composé de t−12 à t−2 en sautant t−1.
figez l'univers ponctuel émetteurs/cotations, le calendrier de rebalancement, la règle de sélection, les pondérations, le benchmark et les coûts.
ne modifiez que la fenêtre du signal.
le test montre si les définitions sélectionnent des noms différents. il n'explique pas ce qui a généré leurs rendements.
2. Qualité. figez une petite définition transnationale avant le classement.
un candidat combine rentabilité, résilience du bilan et stabilité des bénéfices.
définissez pour chaque donnée d'entrée ses unités, sa période fiscale, sa politique de retraitement, son horodatage de publication et le traitement des champs incomparables ou manquants.
les normes comptables, les devises, les secteurs et les calendriers fiscaux peuvent faire échouer un score mondial naïf.
affichez la couverture de chaque composante à côté du score combiné. les champs manquants doivent rester visibles.
3. Cycle d'investissement. utilisez les dépenses d'investissement publiées liées aux segments IA dans le registre des preuves.
séparez les capex en trésorerie réalisés, les guidances, les engagements annoncés, les immobilisations en cours et les objectifs de la direction. chacun a un sens et des dates différents.
l'annonce d'un data center pluriannuel n'est pas un capex réalisé.
figez la mesure et le décalage avant les tests. les rendements ne peuvent pas les réécrire.
enregistrez la direction attendue, les entrées, le timing, l'échantillon éligible, les contrôles, le benchmark, les variantes, la règle de rejet et l'échantillon de validation dans chaque manifeste.
maintenez le statut « conception uniquement » jusqu'à ce que le dictionnaire de données et les règles de date de publication passent la revue.
la recherche publiée sur le momentum peut inspirer la question. ses résultats historiques ne sont pas transposables à cet univers.
j'utiliserai French Mom comme référence de construction. cet échantillon aura sa propre définition.

• en haut à gauche, le catalogue de la Factor Library ne valide pas les signaux. la flèche indique les onglets et les effectifs du catalogue.
• en haut à droite, les noms prédéfinis de l'univers n'établissent pas l'appartenance historique. la flèche indique le choix Tradfi 30.
• en bas à gauche, cette vue générique de la Factor Library n'affiche pas de paire de momentum appariée. la flèche indique l'en-tête catégorie/effectif.
• en bas à droite, le formulaire de stratégie affiche les contrôles disponibles, sans nouvelle stratégie soumise. la flèche indique les contrôles d'actifs et de portefeuille.
commencer par un pilote Minara délimité
avant de construire un jeu de données à l'échelle mondiale, demandez à Minara un test apparié brut contre saut de mois sur un sous-ensemble pris en charge nommé.
demandez d'abord le rapport de disponibilité : actifs exacts, identifiants, définitions des facteurs, règles de rebalancement, dates, coûts et champs d'exportation.
un élément requis non confirmé bloque le backtest.
la Factor Library affichait des définitions brutes sur 12 mois, des sauts d'un mois sur 3 et 6 mois, et des définitions intermédiaires sur 7 à 12 mois.
une paire appariée brute sur 12 mois et 12–2 doit encore être vérifiée.
inspectez les ID de facteurs et le code pour l'établir.

le wrapper de code momentum actuel est inspectable.
un test 12 mois contre 6 mois ne peut pas remplacer une paire 12–2 manquante.
un signal personnalisé nécessite une route prise en charge, un code inspectable et des entrées reproductibles. sinon, calculez la paire hors ligne.
le panier observé TradFi 30 affichait 31 instruments actuels, dont des ETF et des cotations non américaines.
réutilisez-le comme pilote d'interface à panier fixe. l'historique de l'univers IA mondial nécessite des données distinctes.
figez long uniquement sur les cinq premiers, pondération égale, rebalancement mensuel, levier 1x, benchmark et coûts. ne modifiez que le signal.
sauvegardez les paramètres, les membres et les sorties pour les deux exécutions.
testez ensuite une grille de coûts à sens unique, par exemple 0, 10, 25 et 50 points de base.
l'aperçu sans frais affichait des commissions d'exécution. cette incohérence reste non résolue ; le slippage n'a pas été vérifié de manière indépendante.
le bouton des frais n'établit pas le modèle de coûts.
Codex calculera le taux de rotation supposé et les déductions à partir des positions et rendements exportés. des artefacts manquants signifient « non calculé ».

• en haut à gauche, le brouillon momentum sauvegardé et la requête montrent la construction actuelle. la flèche indique les contrôles d'univers et de portefeuille.
• en haut à droite, les paramètres actuels de frais et de slippage du momentum ne valident pas l'exécution. la flèche indique les paramètres de frais et de slippage à 10 pb.
• en bas à gauche, l'aperçu momentum actuel n'enregistre aucune nouvelle exécution. la flèche indique les métriques principales.
• en bas à droite, les exécutions momentum sauvegardées n'ont pas été reproduites de manière indépendante. la flèche indique les exécutions et les commissions.
la fenêtre 2024–2026 inspectée relève du développement. elle ne peut plus servir d'échantillon de validation intact.
ne réservez un bloc historique qu'avec des données ponctuelles sous licence. sinon, lancez la validation prospective après avoir figé les définitions.
Minara organise l'expérience. chaque chiffre de performance affiché nécessite encore des preuves à l'appui.

• en haut à gauche, les résultats par symbole sont des preuves rapportées par le produit. la flèche indique les P&L réalisés et latents.
• en haut à droite, les métriques momentum actuelles diffèrent des métriques historiques du chat. la flèche indique les chiffres principaux actuels.
• en bas à gauche, les exécutions sauvegardées actuelles n'ont fait l'objet d'aucune reproduction indépendante. la flèche indique le tableau des exécutions.
• en bas à droite, ce tableau par symbole affiche les mêmes preuves sauvegardées, sans nouvelle exécution. la flèche indique le tableau.
vérifier une formule de manière indépendante
commencez hors ligne par une vérification minuscule : reconstruisez le Mom mensuel de Kenneth French à partir des six jambes de portefeuilles taille-momentum publiées.
cela vérifie l'arithmétique. l'univers IA mondial et le portefeuille proposé nécessitent une validation distincte.
vérifiez le parseur, l'alignement des dates, les unités de rendement et le calcul long-court.
1Mom[t] = 0.5 * (SmallHigh[t] + BigHigh[t])2 - 0.5 * (SmallLow[t] + BigLow[t])
French forme six portefeuilles pondérés par la valeur selon la taille et le rendement antérieur (2–12). Mom fait la moyenne des deux portefeuilles à fort rendement antérieur et soustrait la moyenne des deux portefeuilles à faible rendement.
téléchargez les six jambes et la série Mom publiée séparément. figez un millésime d'archive, joignez les mois communs et comparez la reconstruction à quatre jambes avec la ligne publiée.
définissez la tolérance résiduelle à partir de la précision publiée avant de calculer.
une correspondance valide la tuyauterie de la formule.
elle ne vérifie ni les entrées au niveau du titre, ni les étiquettes IA mondiales, ni l'historique Minara, ni les coûts, ni l'alpha.
la bibliothèque de données est passée de CRSP FIZ à CIZ à partir de sa version de janvier 2025. le calendrier mensuel de réinvestissement des dividendes diffère entre les deux.
ne raccordez pas ces formats en une série « continue » sans une comparaison documentée distincte.
conservez pour chaque instantané l'URL, l'heure de récupération, le format, la somme de contrôle, la version du parseur, les unités et la mention de licence.
vérifier la construction Data Studio avant de se fier à ses données
le builder affiche Claude Opus 5.5 comme modèle sélectionné. c'est le paramètre de modèle capturé pour ce tableau de bord.
le desk mondial reste à construire. je vérifierai son code et ses données de manière indépendante avant d'utiliser une sortie.
Minara indique la version 1.2.1 de l'application. les versions du tableau de bord ont leur propre numérotation.
l'ancien projet Data Studio indiquait Version 1, mais associait un aperçu Bitcoin à un plan Nvidia/Palantir.

• en haut à gauche, l'accueil de Data Studio affiche des projets sauvegardés, pas des calculs vérifiés. la flèche pointe vers l'entrée en langage naturel.
• en haut à droite, l'ancien aperçu Bitcoin Version 1 ne correspondait pas à la requête ultérieure. la flèche pointe vers les panneaux vides de la Version 1.
• en bas à gauche, l'ancien plan Nvidia/Palantir ne prouve pas que son aperçu a fonctionné. la flèche pointe vers l'objectif actions mélangé aux exigences Bitcoin.
• en bas à droite, les anciennes requêtes de données ont échoué. la flèche pointe vers les erreurs 504 de l'historique et des cotations FMP.

• en haut à gauche, les anciens paramètres affichent une configuration, pas des résultats. la flèche pointe vers le statut Ready de Financial Modeling Prep.
• en haut à droite, l'ancienne vue du code ne prouve pas que la récupération des données a fonctionné. la flèche pointe vers un titre actions comportant des éléments Bitcoin.
• en bas à gauche, contexte de l'ancien projet Bitcoin, distinct de la nouvelle requête de comparaison. la flèche pointe vers le prompt du tableau de bord réservé à la recherche avant son envoi.
• en bas à droite, l'ancien aperçu Bitcoin montre un raffinement d'actions échoué. la flèche pointe vers cette requête échouée.
son onglet Data affichait quatre requêtes FMP avec des erreurs 504. cela n'a pas permis d'établir une comparaison d'actions fonctionnelle.

• en haut à gauche, l'ancien onglet Data affiche quatre erreurs FMP 504. la flèche pointe vers ces échecs 504.
• en haut à droite, l'ancien plan de comparaison d'actions sauvegardé ne correspondait pas à l'aperçu Bitcoin. la flèche pointe vers l'objectif du plan.
• en bas à gauche, les modèles de tableau de bord actions affichent les choix disponibles, pas des études achevées. la flèche pointe vers les modèles actions et macro.
• en bas à droite, About indique Minara app 1.2.1. la petite capture d'écran conserve sa taille native ; la flèche pointe vers la ligne de version.
j'ai soumis une requête de recherche distincte Nvidia contre Palantir en demandant des observations réelles, des horodatages et les erreurs visibles. la requête exacte et les suivis sont sauvegardés dans des fichiers de prompts séparés.
la première construction s'est bloquée à l'étape 3/5.

• à gauche, la Version 1 sauvegardée contenait des cotations ; l'historique et la corrélation étaient encore en attente. la flèche pointe vers les valeurs de cotation et les horodatages source de la Version 1.
• au centre, les appels de cotation de la Version 1 ont renvoyé HTTP 200. La flèche met en évidence deux appels de cotation HTTP 200.
• à droite, l'extension de l'historique était encore en cours ici. elle a ensuite sauvegardé la Version 2 ; la flèche pointe vers le panneau d'historique en attente.
l'extension de l'historique a sauvegardé la Version 2. l'application indique que les vérifications de construction et d'aperçu ont réussi.
l'interface affiche une couverture du 1er avril au 1er octobre 2026 : 127 clôtures valides sur 127 retournées pour chaque symbole. les deux séries de prix démarrent à 100 à la première date commune.
l'interface rapporte une corrélation de Pearson de 0,1421 sur 126 paires de rendements journaliers. je ne l'ai pas reproduite de manière indépendante.
elle décrit des rendements historiques. elle ne prédit pas le prochain mouvement.

• en haut à gauche, l'interface finale de la Version 2 affiche les cotations et les prix historiques. la flèche pointe vers les graphiques de clôture quotidienne de la Version 2.
• en haut à droite, la Version 2 rapporte 127 clôtures chacune et 126 rendements appariés. la flèche pointe vers les dates et les lignes de couverture 127/127.
• en bas à gauche, l'historique des requêtes affiche six échecs HTTP 403 avant les réponses d'historique réussies. la flèche pointe vers ces échecs HTTP 403 et les réponses HTTP 200 ultérieures.
• en bas à droite, ceci montre le début du code de comparaison, et non l'intégralité du fichier. la flèche pointe vers le parseur et la gestion des dates en double.

la Version 2 sauvegardée affiche les prix indexés et la corrélation rapportée par l'interface. je n'ai pas reproduit le calcul de manière indépendante.
l'aperçu a également intégré les requêtes échouées. l'onglet Data cumulatif affiche 18 appels FMP et six erreurs.
six tentatives d'historique ont renvoyé 403, puis deux ont renvoyé HTTP 200. l'aperçu final s'est affiché alors que ces échecs figuraient encore dans l'historique des requêtes.

• à gauche, le plan sauvegardé final indique que la construction est terminée. la flèche pointe vers ses contrats source de cotation et d'historique.
• à droite, les paramètres finaux ne valident pas les données de manière indépendante. la flèche pointe vers l'état de préparation FMP et la cadence à chargement unique.
les sources enregistrées vérifiées ne fournissent toujours pas de données sur les matières premières, la chaîne d'approvisionnement ou les prévisions issues de l'actualité. le pipeline mondial reste un plan de construction.
inspecter la stratégie sauvegardée et les workflows d'importation
la stratégie BTC sauvegardée et les exemples Pine illustrent un autre workflow à inspecter. ces simulations et ce code n'établissent pas la validité de l'étude actions.

• en haut à gauche, cet exemple Pine est distinct de l'étude mondiale sur les actions. la flèche pointe vers l'explication du dimensionnement et des coûts.
• en haut à droite, les entrées de coûts Pine actuelles ne prouvent pas les coûts des exécutions précédentes. la flèche pointe vers les valeurs de coût de backtest de la boîte de dialogue.
• en bas à gauche, l'aperçu Pine sauvegardé rapporte une simulation que je n'ai pas reproduite. la flèche pointe vers ses résultats principaux.
• en bas à droite, les exécutions Pine sauvegardées relèvent d'une simulation distincte, et non d'ordres en direct. la flèche pointe vers la première ligne de transaction terminée.

• en haut à gauche, la boîte de dialogue d'importation de code affiche une surface de saisie, et non une conversion validée. la flèche pointe vers la zone de saisie Pine/code.
• en haut à droite, cet aperçu Pine sauvegardé est distinct de l'étude actions. la flèche pointe vers les métriques principales de l'exemple.
• en bas à gauche, la source Pine appartient à un exemple sauvegardé distinct. la flèche pointe vers son code.
• en bas à droite, la liste des transactions sauvegardée affiche une sortie de simulation, et non des ordres en direct. la flèche pointe vers ses lignes.
figer le dépôt et le contrat de données
je vais commencer petit : Python, NumPy, pandas, PyArrow, Pydantic, pytest, Ruff et un environnement uv verrouillé.
statsmodels et Matplotlib attendront qu'un rapport en ait besoin. scikit-learn attendra une phase de modélisation définie.
DuckDB pourra interroger Parquet si le panel s'étoffe.
six séries de facteurs n'exigent ni serveur, ni base de données vectorielle, ni framework d'agent autonome.
1quant-research-lab/2 AGENTS.md README.md pyproject.toml uv.lock3 config/ schemas/ manifests/{sources,universes,hypotheses}/4 src/qrlab/5 data/{ingest,identifiers,calendar,fx,validate}.py6 universe/{build,evidence,coverage}.py7 factors/{momentum,quality,investment_cycle}.py8 portfolio/{weights,returns,costs}.py9 validation/{splits,metrics,review}.py10 runner.py registry.py reporting.py11 tests/fixtures/ tests/test_*.py12 data/{raw,normalized}/ # ignoré par Git13 runs/ # dossiers d'exécution immuables14 reports/
Git reçoit le code, les schémas, les fixtures synthétiques et les manifestes non sensibles.
les données brutes ou sous licence restent hors de Git.
je conserverai les archives sources octet par octet et hacherai l'archive ainsi que chaque entrée.
chaque instantané Parquet normalisé porte sa version de schéma, son instantané source, sa devise, son unité et sa lignée de transformation.
une exécution nécessite une entrée figée. elle ne lira pas latest.csv.
quatre enregistrements rendent la chaîne inspectable.
- DataManifest enregistre la source, la licence, le format, l'horodatage de récupération, le hash, la couverture, le parseur et le millésime.
- UniverseManifest fige les règles d'appartenance, les étiquettes de preuve, les correspondances émetteur-cotation, les effectifs, les exclusions et les règles de date de référence.
- ExperimentSpec définit l'hypothèse, les entrées, le signal, les dates, la correspondance du portefeuille, les benchmarks, les coûts et les règles de rejet.
- RunManifest enregistre le commit de code, le fichier de verrouillage, les hashs d'entrée, la commande, l'environnement, les hashs de sortie, les appels externes et le statut.
un ReviewResult distinct cite les artefacts et liste les problèmes non résolus.
- pour chaque membre de l'univers, j'ai besoin de issuer_id, listing_id, valid_from, valid_to, known_at, instrument_type, country, exchange, currency et source_snapshot_id.
- chaque affirmation de preuve nécessite également des horodatages de publication et de capture, le texte de l'affirmation, la source de la preuve, la règle de classification et le réviseur.
- les valeurs financières nécessitent les dates de début/fin de période, available_at, la devise d'origine, l'unité, la valeur déclarée, l'état de retraitement et la source.
- les rendements nécessitent une méthode de prix ou de rendement total, une politique relative aux opérations sur titres, le traitement des radiations, la conversion en devise de base et l'horodatage FX.
une date de fin de période ne m'indique pas quand le document réglementaire est devenu disponible.
- les tests imposent available_at <= decision_at. la transaction suit un signal connaissable ; le rendement cible commence après l'exécution.
- je séparerai les dates avant d'étendre les lignes en cotations.
- la même date de décision reste dans un seul pli. les étiquettes d'entraînement sont purgées lorsque leurs intervalles de rendement chevauchent la validation.
- une seule plage numérique ne couvrira pas des horizons ou des calendriers différents.
figer les règles de calcul et d'échec avant le backtest
chaque exécution sépare signaux, positions, rendements bruts et coûts.
- les signaux classent les émetteurs éligibles à l'aide des informations disponibles au moment de la décision.
- les égalités suivent une règle déterministe.
- la construction du portefeuille sélectionne le nombre prédéfini de noms, normalise les pondérations, gère les cotations manquantes ou suspendues et enregistre les positions rejetées.
- la couche de coûts applique les frais, le taux de rotation, le spread, le slippage et les hypothèses de change déclarés.
- les rendements bruts ne peuvent pas être qualifiés de performance nette.
la spécification de rendement mondial fixe une devise de base et un horodatage de conversion.
le rendement total local et le rendement de change se combinent de manière multiplicative : (1 + rendement_local) \ (1 + rendement_change) - 1.*
j'ai besoin de données de rendement total réelles ou de dividendes et d'opérations sur titres documentés. Le simple « cours de clôture ajusté » ne suffit pas à expliquer les calculs.
les rendements de radiation manquants déclenchent un avertissement de couverture. les entreprises en faillite ne disparaissent pas discrètement.
- avant d'utiliser des données sous licence, des jeux de données synthétiques testent la déduplication des ADR, le mappage des classes d'actions, les changements de libellés à date fixe, les jours fériés locaux, les clôtures asynchrones, la conversion des devises, les radiations, les observations en double, les dépôts manquants et les pondérations du portefeuille.
- les jeux de données French Mom vérifient le signe, la conversion ponctuelle en pourcentage, l'alignement sur un mois commun, l'exclusion de la section annuelle et les bornes d'arrondi.
- rejouez le même manifeste, le même code et les mêmes entrées. les artefacts numériques doivent correspondre.
si un hash change, l'exécution s'arrête.
- un résultat peut être verified_reconstruction, not_reproduced, not_calculated ou blocked.
- blocked nécessite une justification. exemples : historique de pays non pris en charge, mappage d'émetteur non résolu, calendrier de devise inconnu ou paire de facteurs Minara correspondante manquante.
- l'agent ne peut pas deviner pour contourner un champ manquant.
- les comptes de couverture et les données manquantes figurent à côté du tableau des rendements.
attribuez une entrée dans le grand livre d'essai à chaque idée
avant tout calcul, chaque idée reçoit un manifeste d'hypothèse versionné : justification économique, formule exacte, champs requis, délai de disponibilité, univers éligible, horizon, dates de formation et d'exécution, benchmark, coûts, fenêtre de développement, échantillon de validation (holdout), variantes prévues et critères de rejet.
le grand livre consigne chaque exécution, y compris les échecs d'analyse syntaxique et les résultats négatifs.
- modifier la formule après avoir vu le résultat crée une nouvelle version du manifeste. l'ancien enregistrement est conservé.
- le registre peut utiliser des statuts tels que proposed, design_only, data_audited, implemented, challenged, independently_reviewed, research_qualified, rejected et paper_research.
ces noms de statuts sont des propositions. le registre n'est pas encore construit.
- faire correspondre l'arithmétique de French peut valoir le statut verified_reconstruction. qualifier un modèle d'action nécessite des preuves distinctes.
- research_qualified exige la traçabilité des sources, des calculs déterministes, des contrôles à date fixe, une validation figée, un traitement des coûts et un relecteur capable de reproduire le résultat.
- cela donne droit à une étape paper-research. cela n'autorise pas l'engagement de capitaux.
- pour l'inférence, regroupez les noms de même date. rapportez la corrélation de rang transversale par date ; ne traitez pas chaque couple action-jour comme indépendant.
les estimations du ratio de Sharpe du portefeuille nécessitent des intervalles d'incertitude et une méthode gérant la dépendance sérielle.
- choisissez la statistique avant de consulter l'échantillon de validation. indiquez combien d'hypothèses et de variantes ont été testées.
- L'analyse de Two Sigma sur l'estimation du ratio de Sharpe et les tests d'hypothèses constitue une référence méthodologique utile.
un résultat statistiquement significatif peut tout de même présenter des problèmes de biais de survie, de libellés obsolètes, de couverture ou d'exécution.
confiez à chaque outil une tâche à sa mesure
Minara organise le bureau de recherche. je l'utiliserai pour structurer les questions, inspecter les surfaces de facteurs et de stratégies, et enregistrer les actifs pris en charge.
- les premières transmissions sont manuelles.
- un adaptateur ultérieur pourra utiliser l'API de chat documentée après que j'aurai testé les droits du compte, l'authentification, la facturation, les limites de requêtes, le format de réponse et un prompt réservé à la recherche.
- la documentation actuelle décrit POST /v1/developer/chat et une route de statut.
- elle précise background: true uniquement avec stream: false, documente l'idempotence de requestId et conserve le statut completed pendant 24 heures.
je mettrai en cache une réponse acceptée avant l'expiration de ce statut.
- la route documentée nécessite encore un test de compte. ses réponses doivent être vérifiées avant de devenir des données de marché à date fixe.
- Codex gère le travail déterministe. chaque tâche reçoit une sortie, un dépôt, un ID de manifeste, des entrées approuvées, des effets secondaires interdits et des contrôles d'acceptation.
- Codex peut écrire des parseurs, des tests à réponse connue, des validateurs de données, des rapports et du code d'expérimentation.
- un résultat faible ne peut pas modifier le facteur figé. un contrôle non exécuté ne peut pas devenir une réussite. du texte ne peut pas rendre un candidat éligible.
chaque modification devient un diff de code rattaché à une nouvelle exécution.
Jev vérifie les preuves typées. les hashs sources, les unités, les délais de publication, les règles relatives aux données manquantes, le type de rendement et les tests indépendants passent d'abord par des portes strictes.
une porte franchie avec échec renvoie blocked. Jev ne peut pas outrepasser cela.
- si l'artefact passe, Jev peut le trier comme needs_evidence, schema_issue ou ready_for_human_review.
- le seuil actuel de 0,65 est un paramètre de routage proposé, et non une limite de sécurité calibrée.
- une confiance plus faible signifie s'abstenir. une confiance plus élevée nécessite tout de même l'examen d'un humain.
- Jev ne peut ni classer des titres, ni calculer des rendements, ni annuler des tests échoués, ni approuver un modèle.
Dots coordonne le travail. dès qu'un projet cloud approuvé existe, il peut suivre le statut, maintenir la checklist et préparer des briefs de tâches délimités.
Codex exécute toujours le code.
- jusqu'à ce qu'une transmission prise en charge soit testée et sauvegardée, je lancerai les tâches Codex manuellement et comparerai le commit, le manifeste, l'ID d'exécution et les liens de preuve renvoyés.
- je testerai cela avec une note hostile tentant de rediriger l'agent. il doit rester dans le champ des preuves.
construisez-le point de contrôle par point de contrôle
0. figez la question. Choisissez les types de cotations cibles, les classes d'exposition à l'IA, les pays candidats, la devise de base et les preuves sources minimales.
le résultat est un document de périmètre.
les rendements attendent.
1. auditez la couverture. Inventoriez l'univers d'actions disponible de Minara et chaque source de données externe proposée.
- produisez la matrice pays/bourse/date/champ, la note de licence et les lacunes.
- Minara ne compte comme sous-ensemble pris en charge que lorsque sa surface et son export sont vérifiables.
- l'absence d'historique d'appartenance ou de rendements totaux entraîne not_calculated pour l'étude concernée.
2. construisez les tables d'identité et de preuves.
- Mappez les émetteurs et les cotations avec des alias datés, des liens ADR, des calendriers, des devises et des libellés de preuve.
- testez la prévention des doublons et la logique historique known_at sur des exemples vérifiés manuellement.
- le contrôle : un relecteur peut expliquer pourquoi chaque entité a été incluse ou exclue à une date donnée.
3. créez le noyau hors ligne.
- Ajoutez des schémas, un fichier de verrouillage, des dossiers d'exécution immuables, des hashs, des jeux de données de test et des commandes CLI proposées : qrlab universe-audit, qrlab validate-data, qrlab run et qrlab report.
- ces noms de commandes sont des propositions. ils ne fonctionnent pas encore.
- le contrôle : un checkout propre valide les données synthétiques sans clé API produit.
4. validez l'arithmétique.
- Reconstruisez une version French Mom épinglée et exécutez les tests du jeu de données global-data.
- définissez la tolérance avant de voir le résultat.
- le contrôle : aucun mélange de versions ni alignement silencieux, des résidus bornés et des fichiers reproductibles.
- en cas d'échec, enregistrez not_reproduced. ne déplacez pas la borne pour forcer une réussite.
5. lancez le pilote Minara. Demandez d'abord un manifeste de disponibilité.
- si la paire plain/skip exacte du même univers et les paramètres requis sont inspectables, figez-les et comparez.
- sinon, Minara continue d'organiser la recherche. la comparaison non concordante reste non exécutée.
- avant toute publication, supprimez les identifiants de compte et légendez exactement ce que montre chaque capture d'écran.
6. préenregistrez les trois études.
- Figez séparément les définitions du momentum, de la qualité et du cycle d'investissement.
- ne commencez que par l'étude dont l'univers, les entrées, les horodatages, la couverture des membres radiés et les coûts passent la revue.
- les deux autres restent en design_only. leurs résultats ne peuvent pas orienter le premier test.
7. ajoutez les intégrations en dernier.
- Vérifiez la clé API et le coût avec une seule requête réservée à la recherche.
- mesurez le comportement de faux positif et d'abstention de Jev sur des cas étiquetés manuellement.
- configurez Dots une fois les permissions cloud et un contrat de tâche restreint clarifiés.
- le noyau hors ligne doit continuer à fonctionner si une intégration échoue.
à quoi ressemble la première victoire
la première victoire est un audit d'univers que je peux inspecter.
- il montre ce qui est couvert, pourquoi chaque émetteur est éligible et où l'historique s'arrête.
- une vérification de formule et un petit pilote produit montrent ensuite quelles parties je peux reproduire.
- après cela, le momentum, la qualité et le cycle d'investissement obtiennent leurs propres études.
le labo se renforce lorsqu'il sait justifier un refus. des données manquantes laissent un vide dans le rapport, jamais une supposition confiante.
davantage de fonctionnalités de l'application à inspecter
ces panneaux montrent d'autres surfaces de l'application et des états de construction intermédiaires. le système de recherche mondial reste à bâtir.

• à gauche, cette interface de code appartient à un autre projet sauvegardé. la flèche pointe vers les actions explorer, construire, examiner et corriger.
• à droite, la boîte de dialogue d'importation affiche une surface disponible, et non un import terminé. la flèche pointe vers la zone de dépôt d'images/vidéos.
commencez par le prompt universe-audit ci-dessous. un chiffre de rendement devient intéressant quand quelqu'un d'autre peut le reconstruire.
les six premières requêtes que je soumettrai au labo
exécutez ces six prompts dans l'ordre. chaque artefact contraint le suivant, la couverture et les preuves étant vérifiées avant la performance. je sauvegarderai chaque prompt exact avec son manifeste et son ID d'exécution.
1. Audit d'univers
1Crée une proposition de périmètre d'univers pour les actions mondiales cotées liées à l'IA. Ne renvoie pas une simple liste de tickers.23Sépare l'émetteur de la cotation et définis le noyau actions ordinaires/ADR, les types d'instruments exclus, les questions de couverture par pays et bourse, ainsi que les preuves nécessaires pour classer l'exposition directe à l'IA, les fournisseurs/facilitateurs et les affirmations relevant uniquement de la liste de surveillance.45Liste les sources et les champs dont nous aurions besoin pour l'appartenance actuelle et historique. Signale chaque inconnue. Ne déduis pas une couverture mondiale complète et n'attribue pas de libellés historiques à partir de descriptions actuelles.67Génère uniquement un brouillon versionné de UniverseManifest et une checklist d'audit de couverture ; n'effectue aucun backtest.
2. Preuves de la chaîne de valeur
1En utilisant uniquement les dépôts datés et les documents sources fournis, mappe chaque émetteur candidat à la taxonomie proposée de la chaîne de valeur de l'IA.23Pour chaque libellé, cite ou localise la preuve justificative, enregistre la date du document et l'horodatage de publication, le segment d'activité, les identifiants émetteur/cotation, le hash source, la règle de libellé et le statut du relecteur.45Distingue les revenus IA directs déclarés, les fournisseurs/facilitateurs identifiables et les éléments reposant uniquement sur les affirmations de la direction ou sur des preuves faibles.67Si les preuves sont absentes ou contradictoires, utilise unknown/watchlist et explique pourquoi. Ne crée pas de libellés historiques antérieurs à la publication du document.
3. Trois hypothèses
1Rédige trois spécifications de recherche distinctes et préenregistrables pour l'univers audité : (a) un momentum classique à 12 mois contre 12-2, (b) un petit composite de qualité avec des données comptables à date fixe, et (c) une mesure du cycle d'investissement IA séparant les dépenses d'investissement réalisées des prévisions ou engagements.23Pour chacune, indique la formule, la direction attendue, le délai de disponibilité, l'échantillon éligible, le benchmark, l'horizon, les variables de contrôle, les variantes, les coûts, la règle de rejet et l'échantillon de validation.45N'estime pas la performance et ne combine pas les hypothèses en un score unique. Marque toute spécification comme design_only lorsqu'un champ requis ou un historique est indisponible.
4. Comparaison du sous-ensemble pris en charge par Minara
1Avant d'exécuter une stratégie, indique quelles cotations d'actions mondiales, définitions de facteurs, dates, paramètres de portefeuille, paramètres de coûts et champs d'exportation sont réellement pris en charge dans ce compte Minara.23Propose une comparaison appariée 12 mois classique contre 12-2 uniquement si les deux formules utilisent le même univers vérifié et si tous les paramètres, hormis le signal, sont identiques.45Si une paire à même période de référence, une appartenance à date fixe ou une sortie requise est indisponible, arrête-toi et renvoie not_calculated. Ne substitue pas une autre période de référence et ne cite pas de performance non vérifiée comme preuve.
5. Tâche d'ingénierie Codex
1Implémente uniquement le jalon approuvé d'audit d'univers hors ligne et de validation des données dans le dépôt quant-research-lab.23Pars du UniverseManifest et du DataManifest approuvés.45Utilise des jeux de données synthétiques sauf si des instantanés de sources sous licence sont explicitement fournis. Ajoute la déduplication émetteur/cotation, les libellés de preuve IA datés, les comptes de couverture, les contrôles d'horodatage, de devise et de calendrier, les tests déterministes et les sorties d'exécution immuables.67N'appelle pas d'API externes, ne modifie pas les hypothèses figées, ne récupère pas de données sous licence, ne génère pas d'ordres et n'affirme pas que la couverture mondiale est complète. Renvoie le diff, la commande, la sortie de test, les hashs, les champs bloqués et la prochaine décision pour examen humain.
6. Audit sceptique
1Examine les manifestes figés, les fichiers sources, le diff de code, la sortie de test et les artefacts d'exécution sans te fier au résumé.23Tente de réfuter le mappage de l'univers et toute affirmation de performance.45Vérifie les émetteurs/ADR en double, le biais de survie, l'anticipation des libellés IA, les pays manquants, les droits sur les données non vérifiés, les devises obsolètes, les clôtures asynchrones, le calendrier des changes, les opérations sur titres, les radiations, les hypothèses de coûts, les fuites de données dans les tests et chaque écart par rapport au plan préenregistré.67Cite les chemins et les hashs exacts des artefacts.89Ne répare et ne relance rien. Renvoie pass, blocked ou not_reproduced pour chaque exigence, liste les contre-exemples et précise ce que le résultat ne démontre pas.
notes sur les sources
• Minara, Présentation de l'API Agent et Référence du point de terminaison de la clé API. Les droits sur le produit et l'accès au compte restent non testés.
• Kenneth French, Construction du facteur Momentum mensuel et Notes sur les versions de la Data Library et CRSP FIZ/CIZ.
• AQR, Fait, fiction et investissement momentum.
• Two Sigma, Estimation du ratio de Sharpe et tests d'hypothèses.
• TypeSafe, Jev et les sorties de décision typées ; OpenAI, Présentation de Dots.
• DuckDB, Documentation Parquet ; pytest, documentation.





