ML-Trade - Vincent Rémy

Depuis 2019, je me passionne pour la finance, le trading et la blockchain. J'ai commencé à trader sur les marchés des cryptomonnaies et à investir sur divers marchés. J'ai également réalisé de nombreux projets d'IA avec des algorithmes d'apprentissage, en particulier les algorithmes de sélection naturelle. C'est ainsi que j'ai développé ML-Trade, un bot de trading pas comme les autres.

ML-Trade est un bot de trading qui utilise des algorithmes de sélection naturelle pour backtester des centaines de milliers de stratégies par jour et récupérer les plus prometteuses tous les X-temps. Il ne se focus pas sur le gains, mais sur la sécurité et implémente de nombreux principe de money management, point déterminant dans le trading. Cela évite que mon bot soit obsolète et me permet d'avoir des statistiques sur toutes les stratégies par rapport à de nombreux marchés. Ce projet, sur lequel j'ai travaillé pendant plus d'un an et demi, est hyper intéressant et j'ai beaucoup de choses à dire à son sujet.

J'ai développé ML-Trade en C# en tant que projet console. J'ai fait un travail de code hyper propre pour avoir un système core ultra solide. En quelques lignes, je peux me connecter à n'importe quelle plateforme et analyser n'importe quel actif, tant que la plateforme propose une API avec les données historiques de cet actif. J'ai implémenté un abstract adapter et écrit une quinzaine de lignes pour que les données soient lisibles par ma couche métier.

Mon "core" est super solide, car je travaille avec des predictors, des variablesParameters et des indicators. L'indicator est un type de classe représentant un indicateur financier, le predictor utilise l'indicateur pour en conclure quelque chose, comme la force, la tendance, le changement de tendance ou le niveau d'achat/vente. J'ai optimisé le processus pour générer un millier de traders avec des stratégies random et leur attribuer un marché qui est chargé pour tous les traders. Cela me permet de backtester 1000 stratégies de trading en 23ms en moyenne sur des données historiques de deux mois glissantes sur les cinq derniers mois. Un fichier de configuration permet de tout configurer.

J'ai également acheté un NAS pour stocker jusqu'à 8To de données de trading afin de préfiltrer les backtests et faire des statistiques pour bonifier les dérivations des variablesParameters. Bien sûr, il y a plein de systèmes encore plus intéressants, mais je ne les partagerai pas pour des raisons personnelles, c'est assez technique et c'est un peu ce qui fait que le projet est viable.