Tika 6fd68af47a docs: Phase 4c terminée — résultats XGBoost (wf_prec=21.7%) et CNN (wf_prec=32.7%)
CNN > XGBoost sur précision directionnelle. Labels équilibrés (32%/32%/35%).
Mise à jour table comparatif + statut Phase 4c → 100%.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-10 19:50:20 +00:00

🤖 Trading AI Secure - Application de Trading Multi-Stratégie avec IA Adaptative

Python Version License Status

📋 Vue d'ensemble

Trading AI Secure est une plateforme de trading algorithmique avancée intégrant :

  • IA Adaptative avec auto-optimisation continue des paramètres
  • Risk Management intégré à tous les niveaux
  • Multi-Stratégie (Scalping, Intraday, Swing)
  • Backtesting Anti-Overfitting avec validation rigoureuse
  • Intégration IG Markets pour trading réel
  • Sources de données gratuites pour développement

🎯 Objectifs du Projet

Objectif Principal

Créer un système de trading automatisé où l'IA ajuste continuellement ses paramètres en fonction :

  • Des conditions de marché (régime détecté)
  • De la performance historique récente
  • Des métriques de risque en temps réel
  • Des corrélations inter-stratégies

Philosophie de l'IA Adaptative

L'IA est en constante remise en question :

  • ⚙️ Optimisation bayésienne des hyperparamètres
  • 🔄 Réévaluation quotidienne des seuils de décision
  • 📊 A/B testing automatique de variantes de stratégies
  • 🧠 Apprentissage par renforcement pour le position sizing
  • 🎲 Monte Carlo pour validation des changements

🏗️ Architecture

trading_ai_secure/
├── src/                    # Code source principal
│   ├── core/              # Moteur central (risk, orchestration)
│   ├── strategies/        # Stratégies de trading modulaires
│   ├── ml/                # Modèles IA adaptatifs
│   ├── data/              # Connecteurs de données
│   ├── backtesting/       # Framework de validation
│   └── ui/                # Interface utilisateur
├── config/                # Configurations YAML
├── docs/                  # Documentation complète
├── tests/                 # Tests unitaires et d'intégration
├── logs/                  # Logs système et trading
└── data/                  # Données historiques et cache

🚀 Démarrage Rapide

Prérequis

Python 3.11+
pip ou poetry
Git

Installation

# Cloner le repository
git clone https://github.com/votre-username/trading-ai-secure.git
cd trading-ai-secure

# Créer environnement virtuel
python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou
venv\Scripts\activate  # Windows

# Installer dépendances
pip install -r requirements.txt

# Copier configuration exemple
cp config/risk_limits.example.yaml config/risk_limits.yaml
cp config/strategy_params.example.yaml config/strategy_params.yaml

Premier Lancement (Mode Démo)

# Lancer backtesting sur données historiques
python src/main.py --mode backtest --strategy all

# Lancer paper trading
python src/main.py --mode paper --strategy intraday

# Lancer dashboard
streamlit run src/ui/dashboard.py

📊 Fonctionnalités Clés

1. IA Adaptative Auto-Optimisante

  • Optimisation continue : Ajustement automatique des paramètres toutes les 24h
  • Regime Detection : Détection Bull/Bear/Sideways avec adaptation des stratégies
  • Parameter Tuning : Optimisation bayésienne (Optuna) des hyperparamètres
  • Ensemble Learning : Combinaison dynamique de modèles selon performance

2. Risk Management Multi-Niveaux

  • Global Portfolio Risk : Limite de risque total (2% capital)
  • Per-Strategy Risk : Allocation dynamique selon performance
  • Position Sizing : Kelly Criterion adaptatif
  • Circuit Breakers : Arrêt automatique si seuils dépassés

3. Stratégies Modulaires

Stratégie Timeframe Risk/Trade Holding Max Objectif
Scalping 1-5 min 0.5-1% 30 min Micro-mouvements
Intraday 15-60 min 1-2% 1 jour Tendances journalières
Swing 4H-1D 2-3% 5 jours Mouvements moyens

4. Backtesting Rigoureux

  • Walk-Forward Analysis : Validation temporelle
  • Out-of-Sample Testing : 30% données réservées
  • Monte Carlo Simulation : 10,000+ scénarios
  • Paper Trading Obligatoire : 30 jours minimum avant live

📈 Métriques de Performance

Seuils Minimaux pour Production

Sharpe Ratio:      > 1.5
Max Drawdown:      < 10%
Win Rate:          > 55%
Profit Factor:     > 1.3
Calmar Ratio:      > 0.5
Recovery Factor:   > 2.0

🔐 Sécurité

  • Validation pré-trade systématique
  • Stop-loss obligatoires sur toutes positions
  • Limite de corrélation entre positions (< 0.7)
  • Vérification margin en temps réel
  • Alertes multi-canaux (Telegram, Email, SMS)

📚 Documentation

🗓️ Roadmap

Phase 1 : Architecture (Semaines 1-2) En cours

  • Structure projet
  • Documentation complète
  • Risk Manager core
  • Strategy Engine
  • Data connectors (sources gratuites)

Phase 2 : IA Adaptative (Semaines 3-4) 📅 Planifié

  • Modèles ML de base
  • Regime detection
  • Parameter optimization engine
  • Position sizing adaptatif

Phase 3 : Stratégies (Semaines 5-6) 📅 Planifié

  • Scalping strategy
  • Intraday strategy
  • Swing strategy
  • Backtesting framework

Phase 4 : Interface (Semaines 7-8) 📅 Planifié

  • Dashboard Streamlit
  • Risk monitoring
  • Système d'alertes

Phase 5 : Production (Semaines 9-10) 📅 Planifié

  • Intégration IG Markets
  • Paper trading validation
  • Déploiement production

🤝 Contribution

Ce projet est en développement actif. Consultez CONTRIBUTING.md pour les guidelines.

📄 License

MIT License - voir LICENSE pour détails.

⚠️ Disclaimer

AVERTISSEMENT IMPORTANT : Ce logiciel est fourni à des fins éducatives uniquement. Le trading comporte des risques importants de perte en capital. Utilisez ce système à vos propres risques. Les performances passées ne garantissent pas les résultats futurs.

📞 Contact & Support


Développé avec ❤️ pour le trading algorithmique sécurisé

Description
No description provided
Readme MIT 583 KiB
Languages
Python 98.8%
Makefile 0.8%
Dockerfile 0.4%