Détail historique

dummy_skip_1

Statut: run historique · protocole one_shot_gap_val3m_test1m

Arch / losscnn1d / pnladamw
Robust scoren/aVal mean - std
Folds12 / 12diagnostic

Synthèse du run

dummy_skip_1

cnn1d · pnl · adamw
Val DirAcc meann/asélection
Val DirAcc stdn/astabilité folds
Robust Val scoren/amean - std
Capital score Testn/again% - 1.5×DD%
Gain Test %n/acapital 100
Max DD Test %n/adrawdown capital
Capital score Valn/aseuil capital choisi sur Val
Capital seuil pn/aappliqué au Test capital
Calmar Testn/again% / DD%
Econ Val scoren/aancien score éco
Val raw scoren/aavant pénalités
No-trade seuiln/apercentile confidence
Worst month Valn/apénalité transfert
Econ Test scoren/areport only
Worst month Testn/areport only
Econ DD Testn/adrawdown réel
Val BT scoren/alegacy research
Val PNL proxyn/adiagnostic
Test DirAcc meann/aconfirmation
Test DirAcc stdn/astabilité folds
Gap Test-Valn/aalerte si très négatif
Test PNL proxyn/asans frais
Test BT scoren/areport only
Max DD proxyn/adiagnostic
Sharpe proxyn/adiagnostic
Folds12/ 12
Paramsn/a<100k

Résumé modèle

arch=cnn1d · loss=pnl · opt=adamw · conv=20/10 · kernel=5 · dropout=0.26 · l2=0.0003 · scaler=robust_winsor · features=regime · win/out=80/40

Stratégiescore pessimiste business
NiveauL2
Succès attendumeilleur score pessimiste ou Test économique moins négatif
Échecscore dominé par MLP stable

Réflexion et direction prise

Où en est-on: meilleur officiel n/a score sélection=nan; familles fortes: pas encore assez d'historique. Blocage: la DA et la Val brute ne transfèrent pas; on pénalise drawdown/worst-month et laisse le no-trade filtrer les signaux faibles. Direction choisie: score pessimiste business. Pourquoi maintenant: CNN orientée PNL très régularisée: réduire turnover/drawdown plutôt que maximiser Directional Accuracy. Niveau protocole: L2. Comparabilité directe: pas de changement data/features/cible/folds/augmentation/sélection (L0-L2). Succès attendu: meilleur score pessimiste ou Test économique moins négatif. Échec: score dominé par MLP stable. Suite prévue: si échoue, passer diagnostic régimes/target neutral

Hypothèse opérationnelle

CNN orientée PNL très régularisée: réduire turnover/drawdown plutôt que maximiser Directional Accuracy.

Conclusion

Folds détaillés

FoldPériode trainVal DAVal PNLTest DATest PNLEpochs

Configuration complète

{
  "arch": "cnn1d",
  "loss": "pnl",
  "optimizer": "adamw",
  "filters": 20,
  "filters2": 10,
  "dropout": 0.26,
  "l2": 0.0003,
  "hypothesis": "CNN orientée PNL très régularisée: réduire turnover/drawdown plutôt que maximiser Directional Accuracy.",
  "protocol_id": "one_shot_gap_val3m_test1m",
  "protocol_level": "L2",
  "research_strategy": "score pessimiste business",
  "success_criterion": "meilleur score pessimiste ou Test économique moins négatif",
  "failure_criterion": "score dominé par MLP stable",
  "next_implication": "si échoue, passer diagnostic régimes/target neutral",
  "research_reflection": "Où en est-on: meilleur officiel n/a score sélection=nan; familles fortes: pas encore assez d'historique. Blocage: la DA et la Val brute ne transfèrent pas; on pénalise drawdown/worst-month et laisse le no-trade filtrer les signaux faibles. Direction choisie: score pessimiste business. Pourquoi maintenant: CNN orientée PNL très régularisée: réduire turnover/drawdown plutôt que maximiser Directional Accuracy. Niveau protocole: L2. Comparabilité directe: pas de changement data/features/cible/folds/augmentation/sélection (L0-L2). Succès attendu: meilleur score pessimiste ou Test économique moins négatif. Échec: score dominé par MLP stable. Suite prévue: si échoue, passer diagnostic régimes/target neutral",
  "planner_priority": 92
}