CVNTrade
Trading Quantitatif & Intelligence Artificielle
Une approche systématique du trading crypto, fondée sur la recherche académique et le machine learning.
Pipeline ML
Architecture de bout en bout : enrichissement des données, feature engineering, inférence en temps réel et chaîne de 9 filtres de validation.
Backtesting Rigoureux
Walk-Forward Rolling Backtest (WFRB) avec validation croisée temporelle. Grid Search multi-horizon pour l’optimisation des stratégies.
Gestion du Risque
Meta-labeling, détection de régime CUSUM, sizing Kelly, et contrôle de drawdown. Chaque signal passe 9 filtres avant exécution.
Notre Approche
CVNTrade s’appuie sur les travaux de Marcos López de Prado (Advances in Financial Machine Learning) pour construire un système de trading où chaque décision est validée par des modèles ML entraînés et une batterie de filtres quantitatifs.
Recherche Académique
Triple barrier labeling, purged k-fold cross-validation, meta-labeling, CUSUM filter — des fondations théoriques solides.
Infrastructure Cloud
Déployé sur Scaleway Kapsule (Kubernetes). Airflow pour l’orchestration, MLflow pour le suivi des expériences, PostgreSQL et Redis pour la persistance.