# Recherche crypto > Plusieurs mois de modèles, d’analyse de portefeuilles et de trading simulé, jusqu’à remettre l’expérience elle-même en question. Recherche personnelle · 2026 Rubrique: Outils & recherche [Ouvrir dans le portfolio interactif]() [English]() ## En bref | Indicateur | Valeur | | --- | --- | | Mon rôle | Recherche et développement personnels | | Période | 2026 · plusieurs mois | | Données | Bougies de 15 minutes · 22 tokens | | Trading | Simulation · suivi Telegram | ## La question de départ J'ai passé plusieurs mois à chercher si les données des marchés crypto pouvaient contenir un signal utile. Je voulais comprendre le problème par moi-même. J'ai donc construit des outils pour étudier le comportement de portefeuilles, entraîné des modèles sur les historiques de prix, exploré des textes de Reddit et fait tourner des bots de trading simulé suivis sur Telegram. ## Construire les expériences Le travail s'est développé sur plusieurs projets. L'analyse de portefeuilles passait par la collecte de transactions et la reconstitution de positions. Un pipeline de modélisation des prix utilisait des bougies de 15 minutes sur 22 tokens, avec environ 1,49 million de lignes enregistrées. Plus de 1 000 variables candidates ont été ramenées à 300 pour la modélisation. Les expériences répondaient à des questions différentes. Prédire une direction future et reconnaître les conditions actuelles du marché sont deux tâches distinctes, même quand leurs scores apparaissent côte à côte. J'ai également étudié si les achats et ventes collectifs de gros portefeuilles apportaient un signal exploitable. Python · Pandas / Parquet · LightGBM · Optuna · SQLite · Telegram | Valeur | Indicateur | | --- | --- | | 22 | Tokens étudiés | | ≈ 1,49 M | Lignes de bougies enregistrées | | 300 | Variables sélectionnées | | 4 h | Horizon de direction | ## Le résultat qui a changé la suite Certains premiers résultats semblaient très bons. La comparaison entre les calculs historiques et les informations disponibles pendant le trading simulé a révélé des données futures dans les variables. Des bougies horaires complètes étaient utilisées avant leur clôture, et une méthode de décomposition utilisait des données ultérieures pour calculer des valeurs passées. La correction s'appuyait sur les dernières bougies réellement clôturées et sur des fenêtres glissantes limitées au passé. Dans l'expérience enregistrée après cette correction, la précision sur la direction est passée de 65,7 % à 43,3 %. Cela changeait ce que je pouvais conclure du modèle. | Valeur | Indicateur | | --- | --- | | 65,7 % | Avant correction · invalidé | | 43,3 % | Après correction | | −22,4 points | Écart de précision | > Le modèle de régime conservait environ 91,7 % de précision, mais il classait les conditions actuelles du marché. Il ne prédisait pas les prix futurs : son score ne se compare pas à celui du modèle de direction. ### Images et médias [La correction a réduit le score et changé l’interprétation de l’expérience. Le premier résultat est invalidé.]() Comparaison de précision : 65,7 % avant correction avec fuite de données, puis 43,3 %, soit une baisse de 22,4 points. [SVG]() Crédit: Graphique créé pour ce portfolio à partir de la décision de recherche du 21 mars 2026, consignée dans les notes de revue. Expériences non relancées. [Exemple de la fuite temporelle corrigée : utiliser la dernière bougie réellement clôturée. Schéma explicatif, sans prix de marché.]() Schéma montrant qu’à 00:15, la bougie de 00:00 à 01:00 est encore incomplète ; la bougie précédente est disponible. [SVG]() Crédit: Graphique créé pour ce portfolio à partir de la méthode de correction documentée. Expériences non relancées. ## Tester d’autres sources de signal J’ai aussi étudié les flux collectifs de gros portefeuilles. Le rapport conservé examine 1 470 combinaisons de filtres de consensus ; aucune ne résiste à la correction statistique appliquée aux tests multiples. Le résultat concernait ce protocole, sans démontrer que tous les signaux de marché sont inutilisables. Une autre piste utilisait des embeddings MiniLM de textes Reddit et une projection apprise. Le rapport d’apprentissage contrastif porte sur 268 975 posts d’entraînement et 18 748 posts de test, avec une précision de 50,5 % sur les posts de test. Sa conclusion était « NO SIGNAL ». Cette tâche était distincte de la classification des prix en trois directions. ### Images et médias [Les volumes et le résultat d’une expérience textuelle séparée, sans comparaison directe avec le modèle de prix.]() Tailles des partitions Reddit : 268 975 posts d’entraînement et 18 748 posts de test ; précision enregistrée de 50,5 % et conclusion sans signal. [SVG]() Crédit: Graphique créé pour ce portfolio à partir du rapport contrastif Reddit, consigné dans les notes de revue. Expériences non relancées. ## Suivre les gros portefeuilles en trading simulé J’ai construit un bot qui surveillait une sélection de gros portefeuilles et utilisait leur activité pour déclencher des positions simulées, avec un suivi sur Telegram. La recherche sur les portefeuilles devenait une expérience complète : détecter un signal, ouvrir une position simulée, la suivre et enregistrer sa clôture. Le suivi du bot affichait environ +28 SOL de résultat simulé. L’audit ultérieur a reconstitué +27,63 unités étiquetées SOL sur la dernière période après remise à zéro, du 13 avril au 18 mai 2026 : 1 367 positions clôturées appariées, pour un capital initial simulé de 11,81 unités. Le filtre de suivi initial affichait +28,40 ; la normalisation des dates a réintégré des pertes supplémentaires. C’était une étape encourageante après plusieurs mois de recherche : le système de suivi des gros portefeuilles tournait et produisait un résultat positif dans sa propre simulation. J’ai ensuite examiné ce que ce résultat devait aux hypothèses du simulateur et à quelques gains exceptionnels enregistrés. Le journal crypto-follow complet contient 4 515 achats et 4 435 ventes du 2 avril au 18 mai 2026, tous marqués comme simulés. Ces 8 950 lignes comptent les achats et les ventes séparément et couvrent une période plus large que le résultat après remise à zéro. Le code les reliait à des alertes Telegram étiquetées [PAPER]. | Valeur | Indicateur | | --- | --- | | ≈ +28 | Résultat simulé · unités étiquetées SOL | | 1 367 | Positions clôturées appariées · période finale | | 11,81 | Capital initial simulé · unités SOL | > Résultat historique du simulateur, pas un bénéfice vérifié en SOL. L’audit a relevé des limites de comptabilité, de conversion monétaire et de prix d’exécution ; la section suivante présente les tests de sensibilité. ### Images et médias [8 950 enregistrements ne signifient pas 8 950 positions clôturées. Ce graphique décrit l’activité enregistrée, pas sa rentabilité.]() 4 515 achats et 4 435 ventes, soit 8 950 enregistrements individuels de trading simulé. [SVG]() Crédit: Graphique créé pour ce portfolio à partir des agrégats SQLite lus le 5 novembre 2026. Expériences non relancées. ## Vérifier ce que mesure le simulateur Un audit historique conservé a ensuite mis en évidence des limites de comptabilité, de conversion monétaire et de prix d’exécution simulés. Une simple correction du calcul de trésorerie ne suffisait pas à valider la stratégie : certains gains exceptionnels dominaient encore les résultats. Dans un replay avec recalcul des mises, le résultat enregistré passe de +29,09 unités étiquetées SOL à +2,07 en excluant deux gains signalés comme suspects, puis à −6,30 sans les cinq plus gros gains. Ce sont des exclusions choisies après observation, sur des rendements dont les prix d’exécution restent non vérifiés. Elles servent à mesurer la sensibilité du résultat, pas à annoncer un bénéfice réel ou une stratégie corrigée. J'ai ensuite adapté un framework existant de recherche automatisée pour organiser les essais autour d'un jeu de données fixe, de références de comparaison et de règles plus explicites. La fiabilité de l'expérience est devenue un sujet aussi important que le choix du modèle. Le journal de cette adaptation contient 384 entrées : références, essais, échecs et restaurations de candidats. Ce n’est pas un décompte de 384 expériences indépendantes réussies. Les comparaisons doivent rester dans une même définition de cible. > Les graphiques sont nouveaux, mais les valeurs viennent de rapports et d’analyses conservés. Aucun bot, entraînement ou replay de trading n’a été relancé pour les produire. ### Images et médias [Scénarios du replay historique du 14 octobre 2026. Les exclusions sont a posteriori ; ce graphique ne décrit pas des profits réels.]() Sensibilité d’un replay simulé : +29,09 unités, +2,07 sans deux gains suspects, −6,30 sans les cinq plus gros gains ; prix d’exécution non vérifiés. [SVG]() Crédit: Graphique créé pour ce portfolio à partir du replay de trésorerie historique du 14 octobre 2026. Expériences non relancées. ## Ce que j'en retiens Ce projet me ressemble particulièrement. J'ai suivi une question assez longtemps pour comprendre pourquoi certaines réponses prometteuses ne tenaient pas. J'y ai développé mes compétences en traitement des données, en modélisation et en débogage, tout en devenant plus attentif à ce qu'un résultat démontre réellement. Les chiffres présentés proviennent des comptes rendus d'expériences conservés. Ils décrivent ces essais, pas une performance prédictive actuelle ni une stratégie de trading rentable.