PEA Pollux
À quoi ressemble un vrai pipeline quant de bout en bout, des prix bruts à un trade que j'envisagerais vraiment ?
Pourquoi je l’ai construit
Je l’ai construit pour apprendre comment s’assemble un vrai pipeline quant, de bout en bout (ingestion, stockage, signaux, risque, reporting), pas pour battre le marché. Il ne passe jamais d’ordre : je lis les résultats et je décide.
Ce que fait le projet
Un outil d'aide à la décision pour mon PEA. Chaque jour de bourse, il analyse environ 170 actions d'Euronext, les note, soumet chaque candidate à des contrôles de risque et m'envoie les rares survivantes avec une taille de position et des prix limites. Il ne passe jamais d'ordre.
À regarder
- Signaux : retour à la moyenne, pairs trading sectoriel, régime de marché par HMM à 3 états, sentiment FinBERT.
- XGBoost avec SHAP estime les chances de chaque trade ; un bandit UCB repondère les stratégies selon le régime.
- Dashboard Streamlit sur une API FastAPI, alertes Discord, et un serveur MCP pour interroger le portefeuille.
Sous le capot
Données
Prix yfinance, fondamentaux, opérations d’initiés et positions courtes de l’AMF, taux de la BCE, flux RSS. Les données brutes sont conservées pour rejouer n’importe quel passage.
Stockage
Prix dans DuckDB, portefeuille et journal d’audit dans SQLite, modèles Pydantic et un contrôle qualité qui repère valeurs aberrantes et fractionnements.
Signaux
Retour à la moyenne, pairs trading sectoriel, régime de marché HMM à 3 états, sentiment FinBERT, et un modèle XGBoost avec SHAP ; un bandit UCB repondère les stratégies selon le régime.
Contrôles de risque
Une candidate est rejetée si un contrôle échoue, et la raison est journalisée : limites de perte, frein de drawdown, régime de volatilité, jours d’exclusion, score de Piotroski, liquidité.
Sorties
Un dashboard Streamlit sur une API FastAPI, des alertes Discord avec prix limites basés sur l’ATR, et un serveur MCP pour interroger le portefeuille.