Run courant
Recherche DL Quant
Page dédiée au dernier run. Les historiques sont séparés dans une page dédiée pour garder la lecture claire.
Raisonnement
Introduction avant tests
Lecture mémoire: 32 runs archivés, meilleur run run_0001_cnn1d_directional_adamw avec robust Val score=0.5671461337080594. Research planner: Où en est-on: meilleur officiel run_0001_cnn1d_directional_adamw score robuste=0.5671; familles fortes: cnn1d/directional best=0.567, cnn1d/pnl best=0.564, tcn/directional best=0.551. Blocage: la meilleure v2 TCN baisse encore sa loss; tester un chemin plus profond mais régularisé. Direction choisie: structure richer under budget. Pourquoi maintenant: Tester une TCN résiduelle légère: plus de profondeur/dilatation sans dépasser le budget de paramètres. Niveau protocole: L1. Comparabilité directe: pas de changement data/features/cible/folds/augmentation/sélection (L0-L2). Succès attendu: Val robuste proche du best v2 avec gap Test-Val contenu. Échec: surajustement ou instabilité folds. Suite prévue: si positif, explorer la profondeur/dilatation; sinon revenir TCN simple File d'hypothèses candidates: Tester une TCN résiduelle légère: plus de profondeur/dilatation sans dépasser le budget de paramètres. | Tester une TCN depthwise separable pour élargir le champ temporel avec très peu de paramètres. | Tester un micro-transformer causal-ish comme diagnostic d'attention temporelle sous 100k params.
Run courant / dernier test
run_0032_mlp_directional_adamw
Résumé modèle
arch=mlp · loss=directional · opt=adamw · dense=32 · layers=1 · dropout=0.09 · l2=0.0004 · params=79937
Réflexion et direction prise
Où en est-on: meilleur officiel run_0001_cnn1d_directional_adamw score robuste=0.5671; familles fortes: cnn1d/directional best=0.567, cnn1d/pnl best=0.564, tcn/directional best=0.551. Blocage: le backlog comparable est consommé mais on refuse de relancer un doublon. Direction choisie: mutation anti-répétition guidée par diagnostic. Pourquoi maintenant: Mutation anti-répétition: exploiter le signal MLP/Test sans changer les données. Niveau protocole: L1. Comparabilité directe: pas de changement data/features/cible/folds/augmentation/sélection (L0-L2). Succès attendu: produire un signal nouveau comparable. Échec: résultat dominé par les familles déjà testées. Suite prévue: si les mutations plafonnent, préparer explicitement un protocol_v2 L3
Hypothèse opérationnelle
Mutation anti-répétition: exploiter le signal MLP/Test sans changer les données.
Conclusion
WF folds=12/12; Robust Val score=0.5065; Val DirAcc mean=0.5613; Test DirAcc mean=0.5136; Val/Test PNL proxy=1.44407/0.471488.
Ouvrir graphique loss
Best run à battre
run_0001_cnn1d_directional_adamw
Résumé modèle
arch=cnn1d · loss=directional · opt=adamw · conv=24/12 · kernel=5 · dropout=0.12 · l2=1e-05 · params=4845
Réflexion et direction prise
CNN causale légère + loss directionnelle: améliorer le signe des rendements de panier sans sacrifier l'erreur.
Hypothèse opérationnelle
CNN causale légère + loss directionnelle: améliorer le signe des rendements de panier sans sacrifier l'erreur.
Conclusion
WF folds=12/12; Val DirAcc mean=0.6978; Test DirAcc mean=0.5099; Test PNL proxy=0.549022.
Ouvrir graphique loss
Diagnostic Val/Test
Dernières lignes log
[2026-07-01T00:02:12+00:00] Nouvelle session autonome [2026-07-01T00:02:12+00:00] Chargement cache dataset: /home/aalex/dev/quant_trading/data/dataset_processed_6h.pkl [2026-07-01T00:02:12+00:00] INTRO HYPOTHÈSES: Lecture mémoire: 32 runs archivés, meilleur run run_0001_cnn1d_directional_adamw avec robust Val score=0.5671461337080594. Research planner: Où en est-on: meilleur officiel run_0001_cnn1d_directional_adamw score robuste=0.5671; familles fortes: cnn1d/directional best=0.567, cnn1d/pnl best=0.564, tcn/directional best=0.551. Blocage: la meilleure v2 TCN baisse encore sa loss; tester un chemin plus profond mais régularisé. Direction choisie: structure richer under budget. Pourquoi maintenant: Tester une TCN résiduelle légère: plus de profondeur/dilatation sans dépasser le budget de paramètres. Niveau protocole: L1. Comparabilité directe: pas de changement data/features/cible/folds/augmentation/sélection (L0-L2). Succès attendu: Val robuste proche du best v2 avec gap Test-Val contenu. Échec: surajustement ou instabilité folds. Suite prévue: si positif, explorer la profondeur/dilatation; sinon revenir TCN simple File d'hypothèses candidates: Tester une TCN résiduelle légère: plus de profondeur/dilatation sans dépasser le budget de paramètres. | Tester une TCN depthwise separable pour élargir le champ temporel avec très peu de paramètres. | Tester un micro-transformer causal-ish comme diagnostic d'attention temporelle sous 100k params. [2026-07-01T00:02:12+00:00] Supervised X=(9673, 80, 31), features=31, folds=12; sign_flip_train=True; flipped_features=11