Deflated Sharpe Ratio (DSR)
Une correction du ratio de Sharpe observé pour les tests multiples, la non-normalité des rendements et la longueur de la fenêtre d’observation. Le seuil à la Gate 1a est DSR ≥ 0.95 (stratégies génératrices de rendement ; selon la bifurcation du §9.1 de la Doctrine).
Le Deflated Sharpe Ratio, publié par Bailey et López de Prado dans le Journal of Portfolio Management en 2014, corrige un ratio de Sharpe observé de trois biais qui le gonflent dans l’usage ordinaire : les tests multiples, la non-normalité des rendements et la longueur de la fenêtre d’observation. Une valeur de DSR proche de 1.0 signifie que le Sharpe observé survivrait presque certainement à la correction ; un DSR inférieur à 0.5 signifie que le Sharpe observé est vraisemblablement un artefact statistique du processus de recherche plutôt qu’un avantage réel. Dans le cadre des cinq gates de Nyalai, le DSR est le test employé à la Gate 1a (fragilité statistique pour les stratégies génératrices de rendement) selon le §9.1 de la Doctrine. Les systèmes de prédiction probabilistes sont évalués à la Gate 1b au moyen du Brier Skill Score.
Mésusage courant
Citer un Sharpe brut comme preuve d’un avantage sans divulguer le nombre de configurations testées pendant le développement. Sans ce nombre, le DSR ne peut pas être calculé honnêtement, et le Sharpe brut est ininterprétable.
Renvois :Gate 1 · biais de recherche guidée · horizon d’inférence statistique
Brier Skill Score (BSS)
Une comparaison d’une prévision probabiliste à une référence naïve. Un BSS positif signifie une compétence de calibration ; un BSS négatif, une prévision pire que le taux de base. Le seuil BSS ≥ 0.05 s’applique à la Gate 1b (systèmes de prédiction probabilistes, fragilité statistique) et à la Gate 4 (calibration probabiliste).
Le Brier Skill Score compare la calibration d’une prévision probabiliste à une référence naïve (typiquement le taux de base). Il varie de moins l’infini à 1. Un BSS de 0 signifie que la prévision ne fait pas mieux que la référence naïve. Un BSS supérieur à 0 signifie que la prévision ajoute une compétence de calibration ; un BSS inférieur à 0 signifie que la prévision est pire que de prédire systématiquement le taux de base. Dans le cadre de Nyalai, le BSS intervient à deux gates. À la Gate 1b (fragilité statistique pour les systèmes de prédiction probabilistes, selon le §9.1 de la Doctrine), le BSS teste la compétence agrégée au-delà du hasard après correction d’exploration. À la Gate 4 (calibration probabiliste), le BSS siège aux côtés de l’Expected Calibration Error pour tester si les probabilités émises correspondent aux fréquences réalisées. Les deux gates partagent le même plancher de 0.05 par coïncidence numérique et par choix de lisibilité, non par double peine : elles mesurent des modes de défaillance différents. Le seuil est BSS ≥ 0.05. Origine : Glenn Brier, Verification of Forecasts Expressed in Terms of Probability, Monthly Weather Review, 1950.
Mésusage courant
Rapporter un BSS positif sur les données d’entraînement et le traiter comme une preuve de compétence prévisionnelle en production. Le BSS sur les données d’entraînement est gonflé par l’ajustement ; seul le BSS hors échantillon porte de l’information.
Renvois :Gate 1b · Gate 4 · Expected Calibration Error · calibration probabiliste
Expected Calibration Error (ECE)
L’écart absolu moyen entre la confiance déclarée d’une prévision et sa fréquence réalisée à travers les intervalles de confiance. Le seuil à la Gate 4 est ECE ≤ 0.05.
L’Expected Calibration Error mesure l’écart absolu moyen entre la confiance déclarée d’une prévision et sa fréquence réalisée, agrégé à travers les intervalles de confiance. Si une prévision annonce de façon répétée une confiance de 70 % mais n’est juste que 55 % du temps, l’ECE capture cette miscalibration. Dans le cadre de Nyalai, l’ECE est le second test de la Gate 4 (calibration probabiliste). Une prévision peut être directionnellement correcte (juste plus souvent que fausse) tout en étant sévèrement miscalibrée (ses chiffres de confiance ne correspondent pas à son exactitude). Une confiance miscalibrée casse le dimensionnement des positions, puisque l’allocation de type Kelly ou en parité de risque dépend de la fiabilité de l’estimation de confiance.
Mésusage courant
Supposer qu’une prévision bien calibrée sur la fenêtre d’entraînement reste calibrée en production. La dérive distributionnelle est la cause la plus courante de dégradation de l’ECE.
Renvois :Gate 4 · Brier Skill Score · critère de Kelly
Hidden Markov Model (HMM)
Un cadre statistique décrivant les systèmes où les données observables sont générées par un état latent qui transite de façon probabiliste. Employé pour la détection de régime à la Gate 4.
Un Hidden Markov Model (modèle de Markov caché) est un cadre statistique décrivant les systèmes où les données observables sont générées par un état latent (non observable) qui transite de façon probabiliste. En finance quantitative, les HMM servent typiquement à détecter les changements de régime dans les données de marché : l’observable est la série de rendements, l’état latent est le régime (par exemple haussier, latéral, baissier, ou des états plus granulaires inférés des données). Les HMM exigent de choisir le nombre d’états latents et d’estimer la matrice de transition à partir des données au moyen d’algorithmes comme Baum-Welch. Une fois ajusté, un HMM peut étiqueter chaque période historique avec son régime le plus probable, ce qui permet de tester la performance d’une stratégie conditionnellement au régime. Dans le cadre de Nyalai, la détection de régime par HMM est une opérationnalisation de la Gate 4 (robustesse inter-régimes).
Mésusage courant
Ajuster un HMM avec trop d’états, puis affirmer qu’une stratégie passe la Gate 4 parce qu’elle a un Sharpe positif dans chaque micro-régime. Le nombre d’états est lui-même un hyperparamètre soumis à la discipline de la recherche guidée.
Renvois :Gate 4 · robustesse inter-régimes · Baum-Welch · état latent
Taille de bloc bootstrap (bootstrap block size)
Terme conservé pour la continuité · la méthode spécifique de rééchantillonnage à la Gate 5 est en cours de re-spécification dans la doctrine v0.3.4.
Le terme est conservé dans le glossaire comme repère de référence pendant que la méthode spécifique de rééchantillonnage employée à la Gate 5 (confiance bootstrap) est en cours de re-spécification dans la doctrine v0.3.4. Une définition substantielle sera réémise en même temps que la méthodologie v0.3.4 scellée ; d’ici là, l’entrée est intentionnellement minimale afin de ne pas affirmer un détail méthodologique que l’implémentation cice actuelle ne soutient pas.
Mésusage courant
Citer le terme comme s’il désignait un choix méthodologique établi de Nyalai avant que la v0.3.4 n’en scelle la spécification.
Renvois :Gate 5 · annexe de reproductibilité
Biais de recherche guidée (guided-search bias)
L’inflation de la significativité apparente d’une stratégie causée par l’exploration dirigée pendant le développement. Corrigée à la Gate 3 par le test de permutation d’Aronson-Masters.
Le biais de recherche guidée est l’inflation de la significativité statistique apparente d’une stratégie causée par le fait que le développeur a testé de nombreuses variantes et retenu celle qui a le mieux performé. Il diffère du biais ordinaire des tests multiples en ce que la recherche est dirigée par les résultats des tests antérieurs, et non aléatoire. Les chaînes de travail en apprentissage automatique, les balayages d’hyperparamètres Optuna, les recherches de configuration en walk-forward et l’ingénierie itérative de variables introduisent tous un biais de recherche guidée par défaut. Le test de permutation d’Aronson-Masters (2013) est conçu pour corriger les estimations de significativité du nombre divulgué de configurations testées. Dans le cadre de Nyalai, la Gate 3 (sûreté face à la recherche guidée) emploie cette correction.
Mésusage courant
Divulguer le nombre de configurations testées dans l’ensemble final mais omettre les couches d’ajustement imbriquées (passes de sélection de variables, grilles d’hyperparamètres par configuration). Toutes les couches de recherche guidée doivent être comptées.
Renvois :Gate 3 · test d’Aronson-Masters · Deflated Sharpe Ratio · Optuna
Horizon d’inférence statistique (statistical inference horizon)
La longueur de données historiques nécessaire pour qu’une affirmation sur une distribution de rendements soit estimée de façon fiable. Dans les séries temporelles financières, inconfortablement longue au regard de la durée pendant laquelle l’affirmation doit tenir.
L’horizon d’inférence statistique est la longueur de données historiques nécessaire pour qu’une affirmation sur une distribution ou une prime de rendement soit estimée de façon fiable. Dans les séries temporelles financières, cet horizon est inconfortablement long comparé à l’horizon sur lequel les affirmations sous-jacentes doivent tenir. L’article de Fama et French de 2018, Volatility Lessons (Financial Analysts Journal), documente que même des fenêtres glissantes de dix ans admettent une probabilité substantielle de primes réalisées trompeuses. Autrement dit, dix ans de données peuvent ne pas suffire à distinguer un avantage réel d’une trajectoire chanceuse. Dans le cadre de Nyalai, l’horizon d’inférence statistique est invoqué au §2.7 de la Refusal Doctrine pour justifier pourquoi la validation adversariale externe est nécessaire plutôt qu’optionnelle.
Mésusage courant
Revendiquer vingt ans de données comme suffisants pour valider une stratégie sans examiner quelle fraction de ces vingt ans est authentiquement hors échantillon plutôt que contaminée par une optimisation antérieure en échantillon.
Renvois :Fama-French · §2.7 · Quatrième Quadrant · engagement de séquence
Détection de régime (regime detection)
L’identification d’états statistiques distincts dans une série temporelle de marché, afin que la performance d’une stratégie puisse être évaluée conditionnellement au régime plutôt que seulement en agrégé.
La détection de régime est l’identification d’états statistiques distincts dans une série temporelle de marché, de sorte que la performance d’une stratégie puisse être évaluée conditionnellement au régime plutôt que seulement en agrégé. La logique est que de nombreuses stratégies profitables en agrégé sont en réalité concentrées dans un régime unique et perdent de l’argent dans les autres. La détection de régime peut être explicite (segments de percentiles glissants, classifieurs à seuil sur la volatilité réalisée ou la tendance) ou inférée des données via un Hidden Markov Model ou d’autres approches à état latent. Les deux sont légitimes pourvu que le choix soit divulgué et que le nombre de régimes soit justifié. Dans le cadre de Nyalai, la Gate 2 (robustesse inter-régimes) exige un Sharpe positif dans chaque régime détecté.
Mésusage courant
Employer le Sharpe sur la fenêtre agrégée pour revendiquer une robustesse inter-régimes sans décomposer explicitement la performance par régime.
Renvois :Gate 2 · Hidden Markov Model · état latent · robustesse inter-régimes
État latent (latent state)
Une variable qui gouverne le comportement observable mais n’est pas directement mesurée. Le régime de marché est l’état latent canonique en finance quantitative.
Un état latent est une variable qui gouverne le comportement observable d’un système sans être directement observable. En finance quantitative, le régime de marché est l’état latent canonique : la série de rendements est observable, mais le régime sous-jacent (haussier, baissier, latéral, ou une granularité plus fine) est inféré, non mesuré directement. Les Hidden Markov Models sont le cadre standard de l’inférence à état latent dans les séries temporelles. Le nombre d’états latents, la matrice de transition entre eux et la distribution observable conditionnelle à chaque état sont tous estimés à partir des données.
Mésusage courant
Traiter la sortie d’un HMM comme si les états latents avaient une signification sémantique réelle (interpréter l’état 3 comme haussier) sans validation empirique de cette interprétation.
Renvois :Hidden Markov Model · Gate 2 · Baum-Welch
Règle de souveraineté (sovereignty rule)
L’exigence structurelle de Nyalai d’une séparation entre le producteur d’une stratégie et son évaluateur. Formalisée aux §5 et §10 de la Refusal Doctrine.
La règle de souveraineté est l’exigence de Nyalai d’une séparation structurelle entre la partie qui développe une stratégie et la partie qui l’évalue. Formalisée aux §5 et §10 de la Refusal Doctrine, la règle interdit à Nyalai de co-développer des stratégies avec les entités qu’elle valide, de prendre des participations chez les soumissionnaires, de percevoir des honoraires conditionnés à l’issue des verdicts et de partager un intéressement opérationnel avec les propriétaires de modèles. La règle n’est pas une affaire de préférence professionnelle. C’est une contrainte structurelle qui rend les verdicts de Nyalai indépendants par construction plutôt que par confiance. En pratique : les amitiés personnelles sont divulguées au dossier public. L’amitié n’est pas une cause de disqualification ; c’est l’absence d’intéressement économique partagé qui préserve l’indépendance.
Mésusage courant
Supposer que « nous nous connaissons » équivaut à « nous ne pouvons pas nous auditer ». La doctrine distingue la relation personnelle (permise, divulguée) de l’intéressement économique partagé (interdit).
Renvois :§5.3 · §10 · engagement de séquence
Verdict-form
Le document de sortie canonique de Nyalai. Rapporte le verdict (CALIBRATED ou NOT-CALIBRATED), l’arithmétique des gates, la déclaration de périmètre, le panneau de triangulation et l’annexe de reproductibilité. Publié sous CC0.
Un verdict-form est le document de sortie canonique de Nyalai : un document structuré en markdown ou en page web qui rapporte le verdict (CALIBRATED ou NOT-CALIBRATED), l’arithmétique gate par gate, la déclaration de périmètre du verdict, le panneau de triangulation et l’annexe de reproductibilité. Chaque verdict-form est signé, horodaté, ancré par hachage et publié sous CC0. La Référence R-01 (le cas CALIBRATED illustratif) et le Verdict-form 001 sur Synapse v0.3 (NOT-CALIBRATED) sont les deux premiers exemples en vigueur. Le verdict-form est conçu pour la citation institutionnelle. Propriétaires de modèles, validateurs indépendants, audit interne et régulateurs peuvent tous référencer le même document depuis leurs rôles institutionnels respectifs.
Mésusage courant
Traiter un verdict-form comme une recommandation d’investissement. Un verdict CALIBRATED est une affirmation sur la calibration d’un modèle sur un registre spécifique ; ce n’est pas un signal d’allocation de capital.
Renvois :déclaration de périmètre du verdict · Model Trust Level · engagement de séquence
Model Trust Level (MTL)
La taxonomie en cinq niveaux de Nyalai pour le degré de confiance à accorder à un système de prédiction probabiliste. De MTL-1 Untested à MTL-5 Continuously Live-Validated. Strictement emboîtés.
Le Model Trust Level est la taxonomie en cinq niveaux de Nyalai pour le degré de confiance qu’un allocateur devrait accorder à un système de prédiction probabiliste. MTL-1 est Untested (non testé) ; MTL-2 est Nominally Calibrated (Gates 1 et 4 passées) ; MTL-3 est Robustly Calibrated (ajoute la Gate 2) ; MTL-4 est Adversarially Validated (les cinq gates plus la règle de souveraineté appliquée) ; MTL-5 est Continuously Live-Validated (ajoute la détection de dérive glissante). Les niveaux sont strictement emboîtés : MTL-N inclut chaque exigence de chaque niveau inférieur. Chaque MTL s’accompagne d’un contexte de déploiement recommandé.
Mésusage courant
Attribuer un MTL sans indiquer la version de la doctrine et la date d’évaluation. Les MTL sont bornés dans le temps ; ils expirent en cas de dérive de style ou d’extension du registre.
Renvois :Refusal Doctrine §10 · dérive de style · déclaration de périmètre du verdict
Quatrième Quadrant (Fourth Quadrant, Taleb)
La région de la décision, chez Taleb, où les payoffs complexes rencontrent les distributions à queues épaisses. Là où l’inférence statistique standard s’effondre et où la validation adversariale devient nécessaire.
Le Quatrième Quadrant, articulé par Nassim Taleb dans un essai de 2008 sur Edge.org et son prolongement de 2009 dans l’International Journal of Forecasting, est la région de la décision où les payoffs complexes (non linéaires, avec possibilités de pertes non bornées) rencontrent les distributions à queues épaisses (changements de régime, sauts). C’est la région où l’inférence statistique standard s’effondre. La gestion institutionnelle du risque de modèle, telle que pratiquée sous SR 11-7 et les cadres équivalents, traite adéquatement les trois premiers quadrants de la décision. Le Quatrième Quadrant est là où la pratique standard échoue et où la validation adversariale externe devient nécessaire. Dans le cadrage de Nyalai, le Quatrième Quadrant est le §1.4 de la Refusal Doctrine.
Mésusage courant
Traiter le Quatrième Quadrant comme un avertissement à éviter plutôt que comme une région exigeant une validation spécialisée. La position de Nyalai est que le Quatrième Quadrant est là où se trouvent les problèmes intéressants et qu’on doit y entrer avec les bons instruments.
Renvois :Taleb · §1.4 · horizon d’inférence statistique
Engagement de séquence (sequence commitment)
La règle d’ordre des opérations de Nyalai sur l’intégrité des soumissions. Les soumissions sont gelées avant toute discussion de l’usage aval. Le consentement est recueilli après que le verdict est rendu.
L’engagement de séquence est la règle d’ordre des opérations de Nyalai sur l’intégrité des soumissions : les soumissions sont gelées (horodatées et hachées) avant toute conversation sur l’usage aval du verdict. Le consentement à la publication ou à la référence en aval est recueilli après que le verdict est rendu, sur un document que le soumissionnaire relit. Le refus de l’usage aval ne modifie pas le verdict lui-même. L’objet est de prévenir la classe de mode de défaillance dans laquelle le soumissionnaire apprend ce que sera le verdict avant de consentir à sa publication, puis retient son consentement lorsque le verdict est défavorable. Formalisé au §12.4 de la Refusal Doctrine.
Mésusage courant
Supposer que « j’ai demandé une évaluation privée, donc le résultat reste privé » satisfait l’engagement de séquence. Ce n’est pas le cas. L’évaluation est gelée à la soumission ; seule la voie de publication est soumise au consentement.
Renvois :Refusal Doctrine §12.4 · verdict-form · règle de souveraineté
Panneau de triangulation (triangulation panel)
La contextualisation de chaque verdict par Nyalai selon trois lentilles. Type de risque croisé avec type d’activité croisé avec cadre réglementaire. Adapté du cadre de Senthil Kumar à BNY Mellon.
Le panneau de triangulation est le cadre à trois lentilles que Nyalai adopte de la pratique institutionnelle de gestion des risques de Senthil Kumar (anciennement CRO de BNY Mellon, aujourd’hui CRO de Huntington Bank). Chaque verdict-form contextualise le verdict selon trois dimensions : le type de risque auquel l’allocateur est exposé (crédit, marché, opérationnel, liquidité, modèle, contrepartie) ; le type d’activité au regard duquel le verdict est calibré (pool institutionnel multi-gérants, fonds mono-stratégie, family office, etc.) ; et le cadre réglementaire du lieu de déploiement (SR 11-7, Solvabilité II, ACPR, ISDA SIMM, etc.). L’objet est de prévenir la mauvaise application du verdict hors de la cellule de triangulation pour laquelle il a été calibré. Formalisé au §9.11 de la Refusal Doctrine.
Mésusage courant
Lire la synthèse d’un verdict-form et appliquer le verdict hors de sa cellule de triangulation sans réévaluation. Le panneau de triangulation est une étiquette d’avertissement, non une section décorative.
Renvois :Senthil Kumar · §9.11 · déclaration de périmètre du verdict
