Prévision EURUSD — 30+ Modèles (Quantique · GNN · Diffusion · AG)
Benchmark EURUSD le plus complet : 30+ modèles dont ML Quantique (QSVM/QNN/QAE/VQC), Algorithmes Génétiques (7 variantes + Chromosomes Neuronaux), GNN, Neural SDE, Diffusion DDPM, Informer, PatchTST, TFT. Méthodologie delta-target. Optimisation multi-objectif NSGA-2.
4 211 bougies quotidiennes EURUSD (2010–2026), 39 caractéristiques
Delta-target + 30+ modèles couvrant TS classique, ML quantique, GNN, diffusion et 8 variantes AG
Le benchmark de prévision Forex le plus complet, couvrant tous les paradigmes ML modernes, de la série temporelle classique à l'informatique quantique.
Méthodologie Delta-Target Prédire Δclose (changement de prix journalier) et non le prix absolu — élimine la non-stationnarité et prévient la fuite de tendance.
close_prédit(t+1) = close(t) + Δclose_prédit
Δclose ∈ [−0,05 ; +0,05] pour l'EURUSD journalier. Quasi-stationnaire. RobustScaler par feature.
Jeu de données 4 211 bougies EURUSD 1J (2010-01-01 → 2026-03-06), 39 features engineerées. Meilleur corrélateur : upper_shadow (+0,618 avec Δclose).
30+ Modèles sur 8 Paradigmes
1. Statistiques Classiques ARIMA(2,1,2), SARIMA(1,1,1)(1,1,1)5, GARCH(1,1)
2. Financier/Stochastique Black-Scholes GBM Monte Carlo, Modèle de Volatilité Stochastique Heston
3. Machine Learning ROCKET+Ridge, XGBoost+CatBoost (optimisé Optuna), Stacking (pondéré inv-RMSE)
4. Séquences Profondes BiLSTM+Attention, BiGRU+Attention, CNN 1D-Conv, Informer, Autoformer, PatchTST, TFT (Temporal Fusion Transformer), TST Transformer
5. Réseaux de Neurones Graphiques GNN avec graphe de corrélation de features (arêtes = corrélation de Pearson entre features)
6. Génératif / Probabiliste Neural SDE (équation différentielle stochastique), Modèle de Diffusion DDPM
7. ML Quantique (4 architectures)
| Modèle | Approche |
|---|---|
| QNN VQC | Circuit Quantique Variationnel |
| QSVM | SVM noyau quantique |
| QBM / VQNN | Machine de Boltzmann Ising-VQC |
| QAE | Estimation d'Amplitude Quantique |
8. Algorithmes Évolutifs / Génétiques (8 variantes)
| Variante AG | Caractéristique Clé |
|---|---|
| AG Basic | Tournoi + 1-point + uniforme |
| AG Classique | Roulette + uniforme + Gaussien |
| AG Avancé | BLX-α + Polynomial + Niches + Contexte |
| AG Lamarckien | AG + affinage gradient (héritage lamarckien) |
| Chromo Neural MLP | NN comme chromosome (prédit Δclose) |
| Chromo Neural Transformer | Chromosome Transformer |
| Chromo Neural Contexte | prédictions + features marché + attention |
| NSGA-2 | Multi-objectif (RMSE vs complexité) front Pareto |
Bilan (meilleures performances) L'ensemble stacking (pondéré inv-RMSE) domine systématiquement. Les modèles quantiques approchent les performances ML classiques. Les chromosomes neuronaux sont prometteurs.
Évaluation Honnête L'EURUSD journalier est quasi-efficient — même les meilleurs modèles atteignent 52–56% de précision directionnelle. La valeur de ce projet est le cadre, pas le ratio de Sharpe.