Présentation d'EdotEnv
EdotEnv, issu de Y Combinator (YC S26), propose des environnements de trading quantitatif pour l'apprentissage automatique (RL) et les modèles de langage (LLMs). L'objectif est de permettre à ces modèles de développer des stratégies de trading rentables en leur fournissant des tâches de recherche quantitative générées à partir de données de marché réelles.
Fonctionnement des environnements
Ces environnements sont conçus pour simuler les conditions réelles du marché, où les agents doivent prendre des décisions de trading en utilisant des outils professionnels et en développant leurs propres scripts en Bash. Les décisions prises dans ces environnements ont des conséquences qui ne sont pas immédiatement observables, ce qui oblige les modèles à planifier à l'avance et à évaluer les compromis entre les gains à court et à long terme.
Complexité et évolution des marchés
Les marchés financiers ne sont pas statiques ; ils évoluent constamment. Les stratégies de trading qui étaient rentables hier ne le sont peut-être plus aujourd'hui en raison de la dégradation des avantages compétitifs et des changements de régime. Cela signifie que les environnements d'EdotEnv deviennent de plus en plus difficiles pour les modèles, les poussant à améliorer continuellement leurs performances.
Analyse scientifique des décisions
Une décision de trading n'est pas un événement isolé mais fait partie d'une séquence d'actions qui ont des conséquences à long terme. Le coût d'opportunité et l'exposition aux risques peuvent modifier le parcours de l'agent. Une décision localement optimale peut devenir globalement coûteuse si les conditions changent. Le succès appartient aux modèles capables de reconnaître les nouveaux régimes avant que les comportements d'hier ne deviennent la norme.
