Trois douleurs que chaque équipe sales et BD encaisse chaque semaine. Chacune est ce dont tes reps se plaignent vraiment, pas ce qu'une page produit appellerait poliment.
La moitié des stratégies qui déploient avec un Sharpe de 2.1 dans le backtest tombent sous 0.8 dans les six semaines de paper trading, et le post-mortem rattrape le même overfit chaque trimestre.
Le coût d'exécution est estimé à un flat 5 bp parce que personne sur le desk n'a le temps de décomposer spread, impact et adverse selection par stratégie, donc le P&L live rate la cible de 30 à 60 pour cent.
Le reporting de risque est un scramble Excel du vendredi soir : VaR paramétrique dans un workbook, VaR historique dans un autre, stress tests dans un troisième, et le CRO signe à l'aveugle.
Chaque pipeline ci-dessous est une forme que tu câbles sur le canvas en utilisant le crew d'agents IA et les outils plus bas. Pas une feature qu'on livre pour toi, un pattern que tu configures.
Faire tourner IC, Sharpe avec erreur standard, demi-vie de décay d'alpha, et sensibilité aux paramètres sur un facteur candidat, en appliquant correction Bonferroni ou Benjamini-Hochberg à travers la grille testée. Le Static context tient la bibliothèque de facteurs et les seuils de significativité du desk.
Prendre les fills du backtest et décomposer le coût en spread bid-ask, impact marché et adverse selection Glosten-Milgrom. L'outil database scopé lit uniquement les captures de ticks, pas d'écritures broker possibles depuis ce workflow.
Calculer Kelly fractionnel à 0.25x à 0.5x contre le book live avec une matrice de corrélation shrinked Ledoit-Wolf. Le gate HITL bloque le changement d'allocation tant que le PM n'a pas approuvé la taille, le set de corrélation et la cible de volatilité.
Faire tourner VaR paramétrique, VaR historique, CVaR et corrections de queue Cornish-Fisher, puis rejouer les stress books 2008, 2020 et 2022. La mémoire cross-run reporte les seuils de circuit breaker de la revue précédente pour que les limites ne se réinitialisent pas chaque lundi.
Scorer le Deflated Sharpe Ratio contre le nombre de trials, exiger une validation walk-forward, et refuser tout backtest single-regime. L'outil rag_retrieve tire les stratégies passées qui ont échoué pour que le même pattern d'overfit ne passe pas deux fois.
Synthétiser les cinq sections spécialistes en un memo avec une ligne ACTION de DEPLOY, PAPER_TRADE, BACKTEST_MORE, PAUSE ou KILL et les paramètres recommandés exacts. Le replay capture chaque appel d'outil pour que la conformité puisse auditer le verdict de bout en bout.
Vrais personas du crew d'agents IA quant_firm. Chacun arrive avec un system prompt tuné et une allowlist de outils par défaut. Change de modèle par persona sur le canvas.
Runs signal-quality analysis on a strategy: IC, Sharpe with standard errors, parameter sensitivity, and Bonferroni or Benjamini-Hochberg correction across the tested combinations.
Decomposes execution cost into bid-ask spread, market impact, and adverse selection, then quantifies the conditions under which slippage and latency wipe out the edge.
Sizes the strategy with fractional Kelly and a Ledoit-Wolf shrunk correlation matrix, then decides whether it earns a slot next to the live book.
Computes parametric and historical VaR, CVaR, and Cornish-Fisher tail corrections, runs the 2008, 2020, and 2022 stress books, and sets hard circuit breakers.
Scores overfitting with the Deflated Sharpe Ratio, refuses any strategy without walk-forward validation, and issues an APPROVED, CONDITIONAL, or REJECTED verdict with the exact failure conditions.
Distills the five specialist sections into one PM-ready memo with an ACTION line of DEPLOY, PAPER_TRADE, BACKTEST_MORE, PAUSE, or KILL, and exact recommended parameters.
Chaque outil ci-dessous est un vrai outil partagé du bundle Melaya. Allowlist par agent, HITL sur les écritures, révocation en un clic.
Tirer l'historique de prix, les indicateurs techniques, les taux FX et les séries macro pour la recherche de facteurs et les tests de régime out-of-sample. Lecture seule par design, pas d'écritures broker possibles depuis ce bundle.
Construire le knowledge store par workflow à partir des specs de stratégie, des tearsheets précédentes, des post-mortems et des docs de politique de risque. Alimente les trois couches de connaissance que QuantAnalyst et QuantSkeptic appellent. Écritures vers le store du workflow uniquement, jamais vers le système de trading live.
Lire la sortie de backtest, les captures de ticks et l'attribution P&L depuis ton warehouse. Les appels destructifs sql_execute et sqlite_execute sont HITL-gated et désactivés par défaut pour ce crew.
Extraire des tables depuis les PDF de recherche, les tearsheets vendors et les dépôts de risque précédents en inputs structurés que le QuantAnalyst peut citer. Pas d'écritures ; lit uniquement les fichiers vers lesquels tu le pointes.
Valider les exports CSV de backtest, résumer les distributions avant qu'elles n'atteignent l'analyst, et hasher les fichiers de résultats pour que le journal d'audit puisse prouver que la tearsheet sous revue est la même que celle que le PM a signée.
Lire les risk books Excel PM-facing et émettre le memo deploy-or-kill final comme doc Word que l'archive conformité peut ingérer. Toutes les écritures sont HITL-gated et stagent vers un dossier brouillon, jamais en écrasant la version précédente.
Déposer le memo deploy-or-kill du ReportWriter dans le canal desk une fois qu'un humain a approuvé. HITL par défaut, avec le même journal d'audit que toute autre écriture.
Chaque pipeline arrive avec trois couches d’accès à la connaissance. Combine-les par agent sur le canvas. Pas d’espace vectoriel partagé avec un autre client, pas de lecture surprise, pas de retrieval opaque.
includeContextDocuments par pipeline ajoutés à l'input d'agents spécifiques à chaque run. Le brief ICP, le playbook, la grille de pricing, ou le corpus d'emails de deals gagnés. Tout ce qui doit être là avant que l'agent pense. Tu choisis quels personas reçoivent quels docs.
rag_retrieveUn outilscoped accordé par agent. Quand l'agent décide qu'il a besoin de plus de profondeur, il interroge le vector store du workflow à la demande. Même base de knowledge que Static context, accédée uniquement quand le modèle le demande.
pipeline_memoryÉtat au niveau du pipeline qui passe d'un run au suivant. La recherche d'hier est dans le scope du follow-up d'aujourd'hui. Le crew d'agents IA se souvient de ce qu'il a déjà prospecté, de ce qui a été approuvé, de ce qui a été envoyé. L'audit log est la base de knowledge de second ordre.
Le tier Sandbox est gratuit, sans carte. Rejoins la waitlist et on t'envoie un email dès qu'un slot s'ouvre.
← Retour à tous les cas d'usage