# Checkpoint Registry

## Historique des mises à jour

Auto-generated: 2026-05-03 22:29

Updated: 2026-10-04 — M13 Markov-Switching HAR revalidation cluster 7 actifs appariée par origine (port #18190, Epic #1454, lane myia-po-2023:CoursIA) : **NO BEATS cluster** — 0/21 couples BEATS, 20/21 NO BEATS, 1/21 INCONCLUSIVE (h=10, un actif), aux deux jambes (brute et dé-biaisée). Le verdict publié de M13 (sign-test binomial sur le **Sharpe**, 39/84 combos traités comme indépendants, p=0,7774) n'est ni réfuté ni confirmé par cette passe : elle porte sur une **autre métrique** (MSE) et ajoute la lecture §C qui manquait. Deux réserves sur ce verdict publié : quatre graines d'un EM déterministe sur la même fenêtre ne sont pas quatre réplications indépendantes (le dénominateur 84 sur-déclare la puissance), et aucune jambe DM ni rapport de biais n'existait. L'appariement par origine est ici l'**identité** (0 refus shared-target sur 21 agrégats, gap max 0,0, longueurs appariées 538–1890) : les deux jambes partagent la même série `rv` et le même découpage, donc le garde **prouve** la coïncidence des jours au lieu de la supposer — contrairement à M15, où il a refusé deux fois avant toute mesure valide et a mis au jour un défaut de convention réel. Défaut latent corrigé au passage : la cible de la jambe HAR servait aux **deux** prévisions (`ms_pred = ms_fc.reindex(target.index)`), toute divergence entre les cibles réalisées des deux jambes était silencieusement ignorée ; chaque jambe porte désormais sa propre cible et le join refuse sur mismatch (`target_tol=1e-8`). Agrégat et preuves de folds/dates/DM : `scripts/results/m13_ms_har_cluster_aligned.json` (13 819 octets, sha256 `72db2e77ece296b1`), artefact complet hors dépôt (152 346 octets, sha256 `e78561eb06a7…`) ; détail dans `docs/M13_MS_HAR.md`.

Updated: 2026-10-03 — M18 TimesFM 2.5 revalidation cluster 7 actifs (Epic #1454, défrichage 3070) : **NO BEATS cluster vs log_har** (3/7 actifs BEATS — BTC, ETH, SOL — p=0,7734, les deux vues {1,5,10}/{1,5,22}) ; le « 5/6 BEATS » #14778 se reproduit exactement sur BTC/ETH mais ne généralise pas aux cinq actifs yfinance courts (~721 j) — aucun horizon NO BEATS, perte de puissance (profil M4). vs har_rv INCONCLUSIVE 5/7 (p=0,2266). Fix harnais au passage : manifeste vide en exit 0 depuis la refonte M16 de `_load_panel` (tuple non unpacké)

Updated: 2026-05-06 — Stage -1 Panier baselines: 18 BEATS, 32 FAILS across 50 experiments (26 symbols x 2 models)

Updated: 2026-06-12 — Ladder #1409 verdicts consolidated; legacy SPY-single checkpoints marked ARCHIVED

Updated: 2026-08-14 — M4 DLinear-vol §C entry (issue #10908): NO BEATS (biais révélé par loss_fn=linear)

Updated: 2026-08-15 — M4 DLinear-vol §C re-run perte de précision (issue #11011): BEATS 3/3 (linear → mse : changement de jambe, pas de modèle)

Updated: 2026-08-14 — M15 LSTM-vol §C entry (issue #10941): NO BEATS (biais différentiel LSTM−HAR, même structure que M4)

Updated: 2026-08-15 — M15 LSTM-vol §C re-run perte de précision (issue #11034): 2/3 BEATS, 1/3 INCONCLUSIVE, 0/3 NO BEATS

Updated: 2026-08-24 — M4 DLinear-vol §C re-run dé-biaisé + DM recentré (issue #12734): 2/3 BEATS, 1/3 INCONCLUSIVE — le 3/3 de #11011 était gonflé par le biais de HAR

Updated: 2026-08-24 — M4 DLinear-vol §C extension ETF (Epic #1454): **NO BEATS** — l'edge brut (+16,75 %) est le biais² de la baseline HAR ; hors biais +0,3 %, dm_p_median 0,41

Updated: 2026-08-23 — backlog à déposer : M15 h=32 NO BEATS (#11468) et barreau ETF direction 9/9 NO BEATS (#11427) absents du header — cf sections respectives

Updated: 2026-08-24 — Re-validation hors-biais des keepers BTC (issues #11041/#11034/#11036) : M15 `refuted-de-biased` 3/3 (l'edge publié = biais² de HAR, var_ratio > 1 partout) ; M4 confirmé h=1/h=5, INCONCLUSIVE h=10 (p_median 0,0598, var_ratio < 1)

Updated: 2026-08-24 — M15 LSTM-vol patch persistance biais + slice 2/2 dé-biaisé symétrique (issue #12734): patch livré, run complet dispatché au prochain cycle

Updated: 2026-10-01 — M15 LSTM-vol revalidation cluster 7 actifs appariée par origine (port #18190, Epic #1454) + clôture du run différé #12734 : **NO BEATS cluster** (brute 19/21, calibrée 18/21, centrée BEATEN 19/21 ; var_ratio 1,12-1,34 sur 21/21). Le port a mesuré un défaut de convention dans le harnais M15 lui-même (join naïf refusé gap 4,25, puis relabel positionnel refusé gap 3,51 aux frontières de fold) : les verdicts §C antérieurs comparaient des fenêtres différentes. L'antécédent BTC « 2/3 BEATS » (#11034) ne survit pas à l'appariement corrigé (INCONCLUSIVE brut h=5/h=10)

Updated: 2026-09-01 — PatchTST BTC log-RV revalidé contre HAR débiaisé train-only (#14081) : h=1 INCONCLUSIVE, h=5/h=10 NO BEATS ; var_ratio > 1 aux trois horizons

Updated: 2026-09-02 — M16 HAR asymétrique BTC revalidé contre HAR débiaisé train-only (#1454) : h=1 INCONCLUSIVE, h=5/h=10 BEATS ; verdict brut 3/3 réfuté

Updated: 2026-09-13 — M16 HAR asymétrique revalidé sur sept actifs avec débiaisage symétrique train-only (#15861) : **NO BEATS cluster** — 2/21 BEATS, 1/21 NO BEATS, 18/21 INCONCLUSIVE ; BTC seul actif majoritaire, 1/7, sign-test unilatéral BEATS p=0,9921875

Updated: 2026-09-02 — M5 HMM regime-switching HAR, première entrée + revalidation hors biais (Epic #1454) : ETH h=1 **BEATS confirmé** (+8,7 % hors biais, 4/4 seeds, 4,1σ) ; BTC h=1 s'effondre de +7,0 % à +1,3 % (~82 % de l'edge était le biais de HAR) ; 4/6 NO BEATS

Updated: 2026-09-04 — M17 HAR-LJ-Asym BTC revalidé contre HAR débiaisé train-only (Epic #1454, lane myia-po-2026, c.951) : h=1 BEATS 4/4 confirmé (var_ratio 0,778 — gain de précision, pas un offset) ; h=5/h=10 INCONCLUSIVE 0/4 (var_ratio > 1) ; vs M12 4/4 BEATS aux trois horizons ; verdict BTC inchangé, base non-artéfactée par le biais HAR

Updated: 2026-09-04 — M17 HAR-LJ-Asym BTC REPAIR P0 c.953 (PR #14592, preflight po-2025 adjoint `msg-20260904T105224-z6f9d7` head 8167044f) : **calibration symétrique** sur LJ/HAR/M12 + `var(ddof=0)` + sanity `mse = bias²+var` à 1e-9 + `panel_hash` SHA256 sur fenêtre canonique 360 bars (BTC 4 seeds → 1 hash `86f36cb46f539c6d`) + naming `mse_har_raw`/`mse_har_debiased` (NaN si non-débiaisé). **Verdict révisé** : h=1 BEATS 4/4 (inchangé, var_ratio=0,778) ; h=5 INCONCLUSIVE 0/4 contre HAR **et** M12 (était 4/4 BEATS vs M12) ; h=10 BEATEN BY 0/4 contre HAR (MSE 0,464 > 0,366 HAR-débiaisé ; était INCONCLUSIVE 0/4). Le claim c.951 « 4/4 BEATS vs M12 aux trois horizons » ne tient plus sous calibration symétrique : la tête précédente de M17 sur M12 aux h=5/h=10 était portée par le gap de calibration, pas par un gain de précision. Detail dans `docs/M17_HAR_LJ_ASYM.md` section c.953. `panel_hashes_consistent=True`, OLS bit-identique par seed (DM-MSE p-values identiques 6 décimales).

Updated: 2026-09-05 — M17 HAR-LJ-Asym round-3 calibration (PR #14592, preflight po-2025 adjoint re-review head `b974f2721`, DM `msg-20260904T141944`) : **nombres c.953 ci-dessus SUPERSEDES** (signe du biais inversé `yhat - bias` → corrigé `yhat + bias`, application per-fold, M12 calibré `calibrate_bias=debias`, deux jambes HAR `mse_har_raw` != `mse_har_debiased`, `panel_hash` sur index+valeurs avec manifeste per (coin,horizon)). Détail dans `docs/M17_HAR_LJ_ASYM.md` section « Round-3 calibration (this PR) ». [M17 HAR-LJ-Asym BTC run] — pending live run post-merge; round-3 calibration implemented, code PR #14592.

Updated: 2026-09-05 — M17 HAR-LJ-Asym round-4 (PR #14592, adjoint re-review DM `msg-20260905T001520`, 3/6 PASS / 3/6 PARTIAL) : test OOS multi-fold discriminant `test_walk_forward_lj_asym_oos_target_invariance_multi_fold` (n_splits=3, biais per-fold **distincts**, invariance per-fold bit-identique rtol 1e-12, folds antérieurs inchangés, folds postérieurs = expanding-window retrain légitime asserté comme sensibilité, train-tail > 1.0 par fold) + provenance `bounds_train_test` (`{train_end_idx = n_splits·(n//(n_splits+1)), oos_start_idx = train_end+horizon, oos_end_idx}`) relayée par `_eval_one_coin` / `aggregate_verdicts` / manifeste (`bounds_per_coin_horizon`, `fc_lj_hash_per_fold` alignés sur `per_fold_bias`) ; placeholder `if False else None` supprimé. Tests 22 → 24 verts, suite 1194 passed / 0 failed. **[M17 HAR-LJ-Asym BTC run] LIVRÉ (round-4 code) — `python har_lj_asym.py --coins BTC-USD --skip-remote --debias --horizons 1 5 10 --seeds 0 7 42 99` en 467.9 s** : h=1 **BEATS 4/4** vs HAR et M12 (p<1e-6, mean_loss_diff<0, `_coherent_beats()` strict ✓) ; h=5/h=10 INCONCLUSIVE 0/4 (p>0.05, mean_loss_diff>0 ⇒ cohérent INCONCLUSIVE). Bornes effectives BTC : `train_end=1890` (5 folds × 378 jours), `n_oos=378-382`, `n_total=2272` jours. Bit-identity cross-seed OK (`per_fold_bias` et `fc_lj_hash_per_fold` identiques sur les 4 seeds, `bounds_consistent_across_seeds=True`). Précédent c.953 `h=1 BEATS p=0.839708` réfuté — sous round-3+4 calibration le verdict reste BEATS mais devient réellement significatif. Détail dans `docs/M17_HAR_LJ_ASYM.md` section « Live BTC run (concern b — this PR) ». Manifest `scripts/results/m17_har_lj_asym.json` régénéré ; meta `manifest_m17_har_lj_asym.json` mis à jour avec `concern_addressing` round-3 + round-4.

Updated: 2026-09-28 — M17 HAR-LJ-Asym revalidation sur sept actifs avec origine et cible appariées, purge horizon et calibration train-only (Epic #1454) : **NO BEATS cluster** contre HAR (6/21 couples gagnants, 2/21 perdants, 13/21 non concluants ; SOL et LTC seuls majoritaires, 2/7 actifs, sign-test unilatéral p=0,9375) et contre M12 (1/21 couple gagnant, aucun actif majoritaire, p=1). Les 4 graines OLS sont bit-identiques, pas des réplications indépendantes. L'ancien `BTC h=1 BEATS` des lignes 2026-09-04/05 ci-dessus est **SUPERSEDED** par le rejeu apparié : BTC 0/3 horizon gagnant contre HAR et M12. Agrégat et preuves de folds/dates/DM : `scripts/results/m17_har_lj_asym_cluster_aligned.json` (blob Git SHA-256 `2ca4b9ffe0582d290dfa77a3f8c47a0381e099e4eba7ecbc4e1fc221729ff6ae`, 352 102 octets) ; détail dans `docs/M17_HAR_LJ_ASYM.md`.

Updated: 2026-09-30 — M4 DLinear-vol revalidation sur sept actifs appariée par origine (port #18190, Epic #1454) : **edge de précision confiné à BTC** — jambe recentrée BEATS sur BTC h=1/h=5 seulement (4/4 graines, p_median 2,2e-09/8,9e-05), **0/18 sur les six autres actifs** (XRP h=10 NO BEATS) ; jambe calibrée 3/21 BEATS (BTC h=1/h=5, SOL h=1 — ce dernier 0/4 en jambe brute) ; ETH h=1 `refuted-de-biased` (le BEATS Cycle 25 était le biais HAR) ; 7 couples NO BEATS en jambe brute aux horizons longs. Diagnostic d'alignement : cibles partagées identiques (gap 0,0) sur 21/21 couples, 0 refus. Manifeste : `scripts/results/m4_dlinear_vol_cluster_aligned.json` (31 406 octets) ; séries complètes hors dépôt (11 753 743 octets, #15890) : `G:\Mon Drive\MyIA\Dev\Trading\ML-Training-Pipeline\m4_dlinear_vol_cluster_full.json` ; détail dans `docs/M4_DLINEAR_VOL.md`.

Updated: 2026-09-05 — M18 TimesFM 2.5 zero-shot première entrée §C (issue #14768, lane myia-po-2026) : **vs Log-HAR 5/6 BEATS, 1/6 INCONCLUSIVE (BTC h=22, log-HAR numériquement meilleur mais p=0,23), 0/6 NO BEATS** — réserves : ETH h=22 p=0,0445 limite. Horizons 1/5/22 j, walk-forward 5 folds, seeds bit-identiques (GPU déterministe), débiais symétrique, DM conjonction MSE (#11010). Vrai checkpoint attesté (SHA 1d952420fba8, 43 720 séries, fail-explicit). Calibration quantile native : couverture 80 % à ±0,026 du nominal. HAR en niveaux dégénère en quasi-persistence (MSE identiques à 6 décimales, hashs distincts). Détail section M18 + `docs/M18_TimesFM.md`.

Updated: 2026-09-05 — M18 correctif baseline har_rv (issue #14791, lane myia-po-2026) : la clause « HAR en niveaux dégénère en quasi-persistence » ci-dessus était **fausse — SUPERSEDES**. L'égalité har_rv == persistence (5e-14) était un bug d'alignement dans `HarRvModel.fit` (régresseurs contemporains de la cible → fit identité parfait, résidu ~1e-19, prévision = persistence exacte) ; le contrôle « hashs distincts » ne pouvait pas le détecter. Correctif : régresseurs décalés d'un pas (miroir `realized_variance.har_lag_features`) + garde `assert_baselines_distinct` (paires de baselines distinctes ≥ 1e-6 relatif sur ≥ 1 point OOS, sinon le run échoue). Re-run complet 24 cellules (checkpoint SHA inchangé, 43 720 séries, persistence/ewma/log_har bit-identiques) : **vs har_rv 6/6 BEATS +29,8/+51,1 %** (colonne tableau M18 mise à jour), `baseline_weakest_rel_sep` 0,11-0,18 ; har_rv corrigé meilleur que persistence (BTC h=1 MSE 1,044 vs 1,172). Verdict de tête #14768 inchangé (vs Log-HAR 5/6). Tests +7 (dont dents du garde prouvées sur l'alignement bugué : rouge à 2,65e-11).

Updated: 2026-09-06 — iTransformer BTC log-RV revalidé contre HAR débiaisé train-only (#14860, lane myia-po-2026:CoursIA-2) : h=1/h=5/h=10 **NO BEATS** (4/4 seeds battues et DM p<0,05) ; var_ratio > 1 aux trois horizons — l'attention inversée (variable-as-token) ne bat pas la baseline HAR simple sur log-RV ; voir section §C iTransformer ci-dessous.

Updated: 2026-09-08 — M19 MiniCPM5-2B GRPO+QLoRA sur DAPO-Math-17k, entrée §C (issue #15099 probe B, lane myia-po-2023:CoursIA) : **BEATS en trainabilité RL** vs Qwen3.5-0.8B — Δ accuracy eval held-out (40 problèmes × 4 générations, pré/post 100 steps bornés, même recette DAPO non-thinking) : MiniCPM5-2B **+0,0219 ± 0,0031** (2/2 seeds progressent, +88 % relatif, courbes saines, longueur stable) vs Qwen3.5-0.8B +0,0063 ± 0,0063 (1 seed plat, 1 seed modéré, reward train déclinant) ; intervalles ±1std disjoints. Réserves honnêtes : accuracies absolues 2-6 % (DAPO olympiaque pour ces tailles — la claim porte sur la trainabilité relative, pas sur un modèle math utilisable), et baseline 2,5× plus petite (0.8B vs 2B, désignée par l'issue). Détail section M19 + `docs/M19_MiniCPM5_GRPO.md` + manifestes `scripts/results/m19_minicpm5_grpo/`.

Updated: 2026-09-13 — M12 HAR-RV-J revalidé sur sept actifs avec calibration train-only symétrique (#16004, Epic #1454, lane myia-po-2025:CoursIA) : **NO BEATS cluster** — 0/7 actifs BEATS, sign-test binomial exact unilatéral p=1,0 ; ADA NO BEATS (3/3 horizons battus en DM-MSE, p=0,021-0,026), ETH NO BEATS (h=5/h=10, p=0,029/0,036), cinq actifs INCONCLUSIVE ; 0/21 couples BEATS (5 NO BEATS, 16 INCONCLUSIVE). Le BEATS Cycle 31 (p=7,9e-7, 64/84, calibration asymétrique + pseudo-réplication 4 seeds d'un OLS déterministe) **n'est pas confirmé** — sans réfutation définitive (protocoles et fenêtres diffèrent, cinq actifs ~724 j). Biais OOS signé du candidat calibré supérieur à la baseline calibrée (+0,103/+0,095/+0,017 vs −0,013/−0,018/−0,023 aux h=1/5/10) ; les écarts les plus amples apparaissent sur les fenêtres yfinance courtes, constat descriptif sans attribution causale. Détail section M12 + `docs/M12_HAR_RV_J.md`.

Updated: 2026-10-04 — M5 HMM regime-switching HAR revalidé cluster 7 actifs appariée par origine (port #18190, Epic #1454, lane myia-po-2023:CoursIA) : **h=1 BEATS sur 6/7 actifs après dé-biais** (ETH +8,7 %, LTC +11,7 %, XRP +11,8 %, ADA +11,3 %, DOT +10,1 %, SOL +5,7 % — edges portés par la précision, dm_centered_p<0,012 ; BTC seul INCONCLUSIVE, sa baseline HAR porte le biais OOS le plus fort du cluster) ; **h=5 INCONCLUSIVE 7/7** ; **h=10 NO BEATS 7/7** (−42,9 % à −100,9 % dé-biaisé) — la nocivité long-horizon n'était pas un artefact BTC/ETH, elle est structurelle sur l'univers cluster. Join d'identité prouvé sur les 21 cellules (dm_n_aligned==n_preds, gap 0, zéro TARGET_MISMATCH — les deux jambes sortent de la même boucle, la garde fail-closed est la preuve). 84 walk-forwards 4 seeds, mse, refit 22, HMM K=2. Détail `docs/M5_HMM_REGIME.md` + manifeste `scripts/results/m5_hmm_regime_cluster_aligned.json` + JSON complet hors dépôt (GDrive, précédent #18664).

Total checkpoints: 70 (20 legacy ARCHIVED + 50 panier baselines)

## M18 TimesFM 2.5 — revalidation cluster 7 actifs (2026-10-03) — Epic #1454

Port du protocole de la famille #1454 (M16/M12/M17) au lead zero-shot de #14778 : 7
actifs (BTC, ETH, SOL, LTC, XRP, ADA, DOT) × horizons {1, 5, 10, 22} × graines
{0, 7, 42, 99} bit-identiques (inférence déterministe — `n_seeds_effective=1`),
repli par actif (règle M16) + sign-test binomial exact unilatéral, deux vues
(`cluster` {1,5,10}, `protocol` {1,5,22}), quatre baselines. Run RTX 3070 (rôle
pionnier du ping-pong GPU #1454) : 1462,9 s, 126 368 séries servies, SHA checkpoint
inchangé (`1d952420fba8`). Couche d'agrégation additive
`scripts/m18_tsfm_cluster.py` (+11 tests) ; alignement intra-harnais consigné (un
seul walk-forward sert les deux jambes — pas de jointure cross-harness à mesurer,
contrairement à M4/M15).

- **Verdict cluster : NO BEATS contre la référence log_har** — 3/7 actifs BEATS
  (BTC, ETH, SOL), p=0,7734, dans les DEUX vues. Le claim #14778 « 5/6 BEATS vs
  Log-HAR » se reproduit exactement sur son périmètre (BTC h=1 +19,7 % p≈0, ETH
  BEATS 3/3) mais **ne généralise pas** : à h=1, 6/7 actifs BEATS (tous sauf DOT) ;
  à h≥5 l'edge ne tient en BEATS que sur BTC, ETH et SOL (+9,27 % p=0,028 à h=5) —
  LTC, XRP, ADA et DOT (les quatre actifs yfinance à ~721 j horaires vs 2 277 pour
  BTC) passent INCONCLUSIVE à h≥5, aucun horizon NO BEATS vs log_har (perte de
  puissance, pas réfutation ; profil M4 : edge confiné aux longues séries).
- vs persistence : **BEATS 7/7** (p=0,0078, les deux vues). vs ewma : NO BEATS 2/7
  (p=0,9375, vue cluster). vs har_rv : INCONCLUSIVE 5/7 (p=0,2266) — la baseline
  HAR recalibrée reste la référence non battue de la famille (M12/M15/M16/M17).
- **Conséquence ping-pong GPU** : aucun `[GPU-QUEUE]` pour M18 — le goulot est la
  profondeur de données (séries hourly longues pour les cinq actifs distants), pas
  le compute.
- **Fix incident** : le harnais `m18_tsfm_benchmark.py` produisait un manifeste
  VIDE en exit 0 depuis la refonte M16 de `har_asymmetric` (`_load_panel` retourne
  `(panel, failures)`, tuple assigné entier → tout actif skippé en silence,
  « 0 series served »). Fix : unpack + `validate_requested_panel` + garde
  fail-closed (0 série → `SystemExit`). 49 tests verts, smoke 6552 séries servies.
- **Manifeste** : `scripts/results/m18_tsfm_cluster_aligned.json` (36 301 octets) ;
  séries complètes hors dépôt (#15890) :
  `G:\Mon Drive\MyIA\Dev\Trading\ML-Training-Pipeline\m18_tsfm_cluster_full.json`
  (905 349 octets) ; détail dans `docs/M18_TimesFM.md` §Revalidation cluster.

## M19 MiniCPM5-2B GRPO+QLoRA DAPO — entrée §C (2026-09-08) — issue #15099 probe B

Probe RL : recette DAPO bornée (TRL 1.12 GRPO, loss_type dapo, clip-higher
0.28, pas de KL, QLoRA NF4 r16, 100 steps, 32 completions/step, génération HF
transformers — vLLM indisponible sous Windows) sur DAPO-Math-17k (17 917
problèmes uniques, olympiaque : pass@1 non-thinking 0/50 pour les deux
modèles — viabilité = variance pass@8, confirmée en pré-eval 1,9-3,1 %).
Éval held-out 40 problèmes × 4 générations pré/post. Script
`scripts/probe_15099_dapo_grpo.py` (selftest matcher 10/10), manifestes par
run + `summary.json` + `curves.png` dans `scripts/results/m19_minicpm5_grpo/`,
doc `docs/M19_MiniCPM5_GRPO.md`. Matrice 2×2, ~11 h GPU RTX 3090. Adaptators
hors repo (D:/Dev/probe15099_runs).

| | pre | post | Δ moyen ± 1std | courbes |
|---|---|---|---|---|
| MiniCPM5-2B | 0.025 | 0.047 | **+0.0219 ± 0.0031** | saines (montée, longueur stable) |
| Qwen3.5-0.8B | 0.022 | 0.028 | +0.0063 ± 0.0063 | erratiques (flat/déclin) |

Verdict : **BEATS** (trainabilité RL relative sous budget borné identique).

## M18 TimesFM 2.5 zero-shot — première entrée §C (2026-09-05) — issue #14768

Benchmark TimesFM 2.5-200M (`google/timesfm-2.5-200m-pytorch` SHA
`1d952420fba8`, 43 720 séries servies, contrat fail-explicit sans fallback)
contre persistence / EWMA / Log-HAR / HAR-RV sur RV crypto quotidienne,
horizons **1/5/22 j** (protocole #14768), walk-forward 5 folds, seeds
{0,7,42,99} **bit-identiques** (inférence GPU déterministe — jambe σ
dégénérée, précédent M17 OLS), débiais symétrique per-fold (queue
d'entraînement 60 j, `yhat + bias`), DM deux jambes (#11010) : conjonction
sur MSE, `linear` = diagnostic biais. Script `scripts/m18_tsfm_benchmark.py`
(+31 tests), manifeste `scripts/results/m18_tsfm_benchmark.json`, doc
`docs/M18_TimesFM.md`.

| Coin | h | vs persistence | vs ewma | vs log_har | vs har_rv |
|---|---:|---|---|---|---|
| BTC | 1 | **BEATS** +40,7 % | **BEATS** +20,1 % | **BEATS** +19,7 % | **BEATS** +33,4 % |
| BTC | 5 | **BEATS** +56,2 % | INCONCLUSIVE +5,4 % (p=0,116) | **BEATS** +8,5 % (p=0,0015) | **BEATS** +40,1 % |
| BTC | 22 | **BEATS** +46,5 % | **BEATS** +10,7 % | INCONCLUSIVE −4,8 % (p=0,232) | **BEATS** +30,1 % (p=0,0008) |
| ETH | 1 | **BEATS** +30,6 % | **BEATS** +10,5 % | **BEATS** +7,6 % | **BEATS** +29,8 % |
| ETH | 5 | **BEATS** +49,7 % | INCONCLUSIVE +4,1 % | **BEATS** +10,7 % | **BEATS** +51,1 % |
| ETH | 22 | **BEATS** +47,2 % | **BEATS** +11,9 % | **BEATS** +12,5 % (p=0,0445 ⚠ limite) | **BEATS** +45,2 % |

**Verdict contre la baseline de référence (Log-HAR) : 5/6 BEATS, 1/6
INCONCLUSIVE, 0/6 NO BEATS** — solide sur 4 cellules (p ≤ 0,0015), deux
réserves honnêtes : BTC h=22 INCONCLUSIVE (log-HAR numériquement meilleur
−4,8 % mais non significatif), ETH h=22 BEATS au bord du seuil (p=0,0445).
Calibration quantile native remarquable : couverture 80 % mesurée
0,774-0,814 pour nominal 0,80, zero-shot sans ajustement. har_rv : la
colonne initiale (doublon de persistence, écart 5e-14) était un **bug
d'alignement** corrigé #14791 — régresseurs décalés + garde
non-dégénérescence `1e-6` ; colonne ci-dessus = re-run #14791, les trois
autres baselines bit-identiques. Coûts :
non applicables au forecast pur, aucun claim Sharpe/P&L. Aucun claim
d'alpha : TimesFM entre comme forecasteur de volatilité, l'étape
économique est hors scope #14768.

## M16 HAR asymétrique — re-test débiaisé BTC (2026-09-02) — Epic #1454

Le keeper historique M16 annonçait **3/3 BEATS** sur BTC face à HAR classique brut. Le re-test applique
la même calibration train-only de 60 observations aux deux modèles, persiste leurs prévisions OOS sur
les mêmes dates et évalue `dm_verdict(..., loss_fn="mse")`. Walk-forward expanding 5 folds, horizons
{1,5,10}, quatre seeds {0,7,42,99}. OLS étant déterministe, les seeds sont bit-identiques : `edge/σ`
cross-seed est **non applicable**, pas artificiellement infini.

| Horizon | MSE HAR débiaisé | MSE asym. débiaisé | edge | biais asym. | biais HAR | dm_p_median | Verdict |
|---:|---:|---:|---:|---:|---:|---:|---|
| h=1 | 0,843774 | 0,848154 | −0,52 % | −0,005109 | −0,003880 | 0,244862 | **INCONCLUSIVE** |
| h=5 | 0,417886 | 0,403593 | +3,42 % | −0,003967 | −0,001552 | 0,011363 | **BEATS** |
| h=10 | 0,389457 | 0,369614 | +5,10 % | −0,004194 | −0,002419 | 0,005123 | **BEATS** |

**Décomposition `MSE = biais² + variance`** : les biais résiduels sont proches de zéro (biais² ≤ 2,6e-5),
donc l'écart restant porte essentiellement sur la variance. Le résultat brut était gonflé, surtout aux
horizons longs (+23,6 %/+36,7 % → +3,4 %/+5,1 %), mais le signal ne disparaît pas : **2/3 BEATS,
1/3 INCONCLUSIVE, 0/3 NO BEATS**. M16 BTC reste un keeper moyen/long horizon ; h=1 est retiré du claim.

- **Run** : `python scripts/har_asymmetric.py --coins BTC-USD --horizons 1 5 10 --seeds 0 7 42 99 --n-splits 5 --skip-remote --debias --calibration-size 60 --out-json scripts/results/m16_har_asymmetric_btc_debiased.json`
- **Notebook** : `m3_har_asymmetric_semivariance.ipynb`, 8/8 cellules code exécutées, recalcul indépendant depuis les séries persistées
- **Coûts** : non applicables au verdict de forecast pur ; aucun claim Sharpe/P&L

## M16 HAR asymétrique — revalidation débiaisée sept actifs (2026-09-13) — issue #15861

Extension du protocole BTC aux sept actifs BTC, ETH, SOL, LTC, XRP, ADA et DOT, avec horizons {1,5,10}, cinq folds expanding, calibration train-only identique de 60 observations sur les deux modèles et DM `loss_fn="mse"`. Les quatre seeds {0,7,42,99} sont des contrôles OLS bit-identiques : **une unité effective** par actif×horizon, jamais quatre preuves indépendantes.

- **Verdict configurations** : 2/21 `BEATS` (BTC h=5/h=10), 1/21 `NO BEATS` (XRP h=1), 18/21 `INCONCLUSIVE`.
- **Verdict principal** : BTC seul actif majoritaire `BEATS`, soit 1/7 ; test binomial exact `alternative="greater"`, `p=0,9921875` ; **NO BEATS cluster**.
- **Agrégation secondaire** : 21 configurations, descriptive uniquement car les horizons d'un actif sont dépendants.
- **Fenêtres** : BTC 2018-05-15→2024-08-08 (2 278 jours RV), ETH 2019-10-21→2023-12-14 (1 495), cinq actifs yfinance 2024-09-13→2026-09-12 (724 chacun).
- **Limite h≥2** : fermeture récursive fixe partageant la RV future prévue à 50/50 entre RV+ et RV− ; convention historique non apprise.
- **Artefact** : `scripts/results/m16_har_asymmetric_debiased_7asset.json` — 84 lignes seed, 21 agrégats, 5+5 folds, biais signés et séries OOS alignées.
- **Résultat historique** : conservé intact ; son `p≈0,063` utilisait implicitement la queue opposée, tandis que la revendication `BEATS` exige la queue `greater` ci-dessus.

## M12 HAR-RV-J — revalidation cluster sept actifs (2026-09-13) — #16004 (Epic #1454)

Revalidation de la décomposition de sauts (Andersen-Bollerslev-Diebold 2007, J_t = max(RV_t − 0,6·BPV_t, 0), Huang-Tauchen) sur le cluster BTC, ETH, SOL, LTC, XRP, ADA, DOT, horizons {1,5,10}, cinq folds expanding (refit 22 j), calibration train-only **symétrique** (60 observations, fenêtre identique pour la baseline HAR et le candidat HAR-RV-J), frais 50 bps, DM `loss_fn="mse"`. Contrat fail-closed : les 21 unités actif×horizon sont toutes évaluées ou le script termine en échec sans verdict. OLS déterministe : `n_seeds_effective=1` par unité, les labels {0,7,42,99} sont des contrôles non applicables, jamais des observations. Agrégation primaire **par actif** (BEATS si majorité stricte d'horizons BEATS, NO BEATS si au moins un horizon NO BEATS, sinon INCONCLUSIVE), puis sign-test binomial exact unilatéral sur les sept actifs — même protocole que la revalidation M16 ci-dessus.

- **Verdict cluster : NO BEATS** — 0 actif BEATS sur 7, binomial exact unilatéral `p=1,000000`.
- **Par actif** : ADA `NO BEATS` (3/3 horizons battus, DM p = 0,0207/0,0234/0,0256) ; ETH `NO BEATS` (h=5 et h=10 battus, p = 0,0288/0,0358) ; BTC, SOL, LTC, XRP, DOT `INCONCLUSIVE` (0 BEATS, 0 NO BEATS chacun).
- **Configurations (descriptif, n=21 — horizons d'un même actif dépendants)** : 0 `BEATS`, 5 `NO BEATS`, 16 `INCONCLUSIVE` (p DM 0,065-0,676) ; médiane delta-Sharpe +0,0009.
- **Par horizon (descriptif)** : h=1 edge −0,0119 (p méd 0,1130), h=5 +0,0053 (0,0874), h=10 −0,0095 (0,0880) ; `loss_diff` positif aux trois horizons (+3,27/+5,89/+1,95) — là où le DM tranche, il tranche contre le candidat.
- **Biais signés OOS** (moyennes h=1/5/10) : HAR brut −0,049/−0,074/−0,091 ; HAR calibré −0,013/−0,018/−0,023 ; **HAR-RV-J calibré +0,103/+0,095/+0,017** — après calibration identique, le candidat reste plus biaisé que la baseline ; les écarts les plus amples apparaissent sur les fenêtres ~724 j (médiannes par actif : XRP +1,95, SOL −1,02, LTC +0,48, DOT −0,48, ADA −0,26, contre BTC −0,002 et ETH −0,012), constat descriptif sans attribution causale.
- **Fenêtres** : BTC 2018-05-15→2024-08-09 (2 278 jours RV), ETH 2019-10-21→2023-12-15 (1 495), cinq actifs yfinance 2024-09-14→2026-09-13 (724 chacun).
- **Lecture vs Cycle 31** : le `BEATS` historique (p=7,9e-7, 64/84, calibration asymétrique de la seule baseline et pseudo-réplication par 4 seeds d'un OLS déterministe) **n'est pas confirmé** sous ce protocole — sans être définitivement réfuté (protocoles et fenêtres diffèrent ; cinq actifs ne portent que ~724 jours). Que l'asymétrie de calibration du Cycle 31 portait une part de son avantage, et que la calibration du biais soit instable sur fenêtres courtes, sont des **interprétations** cohérentes avec les biais signés ci-dessus, pas des démonstrations. Cohérent avec M16 cluster (#15861) : NO BEATS.
- **Artefacts** : `scripts/results/m12_har_rv_j/results.json` (93 727 octets dans le blob Git — biais signés, p-values DM, preuves de folds 5/5/5 sur les trois côtés HAR/HAR-calibré/HRJ, manifeste données par actif) et `m12_har_rv_j_results.csv` (43 026 octets). Sweep réel 21/21, 0 échec, 220 s. Fiche technique : `docs/M12_HAR_RV_J.md` (historique Cycle 31 préservé) ; notebook réexécuté : `m12_har_rv_j_research.ipynb`.

## M11 HAR-Kelly — rejeu débiaisé trois bras (2026-09-24) — Epic #1454

Rejeu du claim économique M11 (kelly_har_mu60 27/35 face au buy-and-hold) sous **calibration du biais
train-tail** (`_fit_har_with_train_calibration`, 60 observations), avec un protocole **trois bras
appariés** qui isole l'effet causal de l'offset des effets du changement d'échantillon de fit :

| Bras | Fit | Offset | Lecture |
|---|---|---|---|
| `hist_raw` | train complet | aucun | ≡ `walk_forward_har(calibrate_bias=False)` — lien bit-identique au M11 historique |
| `fit_raw` | train − 60 obs | aucun | même échantillon de fit que le bras calibré, sans l'offset |
| `adjusted` | train − 60 obs | − biais estimé | ≡ `walk_forward_har(calibrate_bias=True)` — bras calibré |

Mêmes dates OOS, mêmes cibles, walk-forward expanding 5 folds (refit 22 j), horizons {1,5,10,15,20},
sept actifs, frais 10 bps, `kelly-cap 1.0`, mu {60,120,250}. OLS déterministe :
`n_seeds_effective = 1` par unité. Contrat fail-closed : 35/35 combos produits, 0 manquant,
0 dégénéré, 0 doublon, exit 0. Les identités de bras sont épinglées par des tests
(`scripts/tests/test_simulate_har_kelly_debias.py`, 19 tests) : `hist_raw`/`adjusted` bit-identiques
aux chemins de référence de `walk_forward_har`, invariance des prévisions au RV futur, causalité du
flux d'information (une perturbation de prévision à t ne change aucun rendement net antérieur),
oracle recalé sur la fenêtre [i, i+h−1] dans le bras débiaisé uniquement (le bras historique reste
reproductible au bit près).

**Provenance (diffère du panel M11b de 2026-05)** : BTC Bitstamp local 2018-05-15→2024-08-09
(2 278 j RV) ; ETH Binance local 2019-10-21→2023-12-15 (1 495) ; cinq actifs yfinance **live**
2024-09-25→2026-09-24 (~724 chacun) — le panel remote n'est PAS celui du verdict historique, les
deux populations ne sont pas like-for-like.

### Couche prévision — le calibrage supprime le biais signé, pas uniformément la MSE

Biais signés OOS moyens sur les cinq horizons :

| Actif | hist_raw | fit_raw | adjusted |
|---|---:|---:|---:|
| BTC | −0,434 | −0,440 | **−0,004** |
| ETH | −0,161 | −0,132 | −0,015 |
| ADA | +0,093 | +0,164 | −0,004 |
| DOT | +0,018 | +0,090 | −0,001 |
| LTC | +0,051 | +0,132 | +0,054 |
| SOL | +0,106 | +0,166 | +0,072 |
| XRP | −0,045 | −0,004 | +0,026 |

DM causal (`adjusted` vs `fit_raw`, `loss_fn="mse"`, même échantillon de fit — l'offset est la seule
différence) : **5 BEATS / 11 BEATEN / 19 INCONCLUSIVE** sur 35. BTC BEATS aux cinq horizons
(p = 3,5e-05 → < 5e-07) ; LTC BEATEN aux cinq (p ≤ 0,018) ; XRP BEATEN 5/5, SOL BEATEN h=20. L'offset
train-tail est instable sur les fenêtres ~724 j : il corrige BTC en profondeur mais dégrade LTC/XRP
(sur-correction — le biais signé change de signe). DM vs naive-30d : `adjusted` BEATS 35/35 — HAR
domine la baseline naïve partout, calibration ou pas.

**Verdict couche prévision : INCONCLUSIVE au niveau cluster** (dépendant de l'actif) — la
suppression du biais signé n'est PAS un gain de précision uniforme. Le DM conflated
(`adjusted` vs `hist_raw` : 5/24/6) confirme a posteriori que la comparaison naïve
calibré-vs-historique aurait été trompeuse (le bras calibré hérite d'un fit sur moins de données).

### Couche économique — l'avantage Kelly est invariant à la calibration du biais

| kelly_har_mu60 (delta Sharpe vs buy_hold) | hist_raw | fit_raw | adjusted |
|---|---:|---:|---:|
| Victoires /35, protocole historique non apparié | 32 | 32 | 32 |
| Victoires /35, apparié post-warmup (dates identiques) | 31 | 31 | 31 |
| ΔSharpe médian | +0,358 | +0,359 | +0,382 |

- **Aucune bascule de signe du delta entre bras sur les 35 combos** (mu60, mu120 et mu250 :
  0/35 chacun). Le décalage causal `adjusted − fit_raw` est de médiane −0,010, max |0,069|.
- mu60 : 32/35 non apparié (binomial exact unilatéral p = 2,1e-07), 31/35 apparié post-warmup
  (p = 1,7e-06). Seul ETH est faible (2/5 non apparié).
- **L'avantage économique n'est PAS porté par la correction du biais de prévision** : identique
  avant/après calibration, il est porté par le dimensionnement conditionné à la volatilité
  (exposure management long-only, plancher f = 0 en tendance baissière), pas par des prévisions
  ponctuelles débiaisées.
- **Divulgation zero-exposure** : mu250 = 16/35 combos tout-cash (`avg_weight` = 0 : ADA/DOT 5
  chacun, SOL/LTC/XRP 2 chacun — le mu 250 j reste négatif sur toute la fenêtre ~724 j) ;
  mu120 = 2/35 (DOT). Ces « victoires » contre un buy-and-hold négatif sont du cash, pas un edge :
  mu250 est hors claim. vol_target_har : 21/17/19 selon le bras (deltas médians ≈ 0, 8/35 bascules
  de signe entre bras) — pas d'avantage, cohérent avec l'historique.
- **Ce n'est PAS un claim §C** : la couche économique (Sharpe + sign-test) est une observation
  économique sous hypothèses déclarées — exécution au close quotidien prix uniquement via les
  frais 10 bps (hypothèse déclarée, pas mesurée), warmup mu60 divulgué (60 j à poids nul) et delta
  apparié recalculé post-warmup. La jambe §C (DM-MSE) de ce même run est le verdict INCONCLUSIVE
  cluster ci-dessus.

### Artefacts

- `scripts/results/m11_kelly_debiased/results_7asset_7x5.json` (361 939 octets — 525 lignes
  stratégie, stats forecast attribuées coin×horizon, DM, provenance, missing, problems)
- Séries complètes (35 CSV : dates, cible log-RV, trois bras) : hors dépôt, scratchpad local
  `m11_series_7x5_v2/`
- Tests : `scripts/tests/test_simulate_har_kelly_debias.py` — 19 tests (identités de bras,
  non-fuite temporelle, causalité du timing, oracle [i..i+h−1], validateur fail-closed,
  attribution coin/horizon)
- Run : `python scripts/simulate_har_kelly.py --debias --calibration-size 60 --horizons 1 5 10 15 20 --extra-coins LTC-USD XRP-USD ADA-USD DOT-USD --expect-coins BTC-USD ETH-USD SOL-USD LTC-USD XRP-USD ADA-USD DOT-USD --mu-windows 60 120 250 --target-vol 0.15 --kelly-cap 1.0 --fee-bps 10 --out-json scripts/results/m11_kelly_debiased/results_7asset_7x5.json`

## M4 DLinear-vol — entrée §C (2026-08-14) — issue #10908

Première entrée du registre conforme **intégralement** au barème `pr-review-discipline.md` §C :
walk-forward ≥ 5 folds, ≥ 4 seeds, Diebold-Mariano `loss_fn="linear"` (perte signée), conjonction
edge ≥ 2σ **et** `dm_p_median < 0,05` (reportés séparément), baselines + coûts documentés, verdict
honnête. Notebook : `m4_dlinear_vol_sc_validation.ipynb` (outputs C.2, 0 erreur).

**Modèle** : DLinear (Zeng et al. AAAI 2023) — `y_hat = Linear(seq_len=22 -> horizon)`, ~22 params.
**Univers** : BTC-USD (Bitstamp hourly 2014→2024, 2278 jours de RV). Coin le plus riche du panel
M4 (les autres ~725 j restent hors barème §C).
**Cible** : log-RV quotidien. **Baselines** : HAR (Corsi 2009, benchmark de référence) +
persistence (random walk, mesurée section 4 du notebook). **DM** : `scripts/dm_test.py`,
HAC Newey-West + correction HLN, `loss_fn="linear"` (#10228).

| Horizon | edge (red MSE moy, %) | σ cross-seed | dm_p_median | Verdict §C |
|---------|----------------------|--------------|-------------|------------|
| h=1 | +15,3 % | 0,04 | 0,00e+00 | **NO BEATS** |
| h=5 | +28,3 % | 0,10 | 0,00e+00 | **NO BEATS** |
| h=10 | +38,3 % | 0,20 | 0,00e+00 | **NO BEATS** |

**Lecture honnête (le piège §C, mesure #10938)** : DLinear bat HAR de 15 à 38 % en MSE (perte
symétrique). Sous la perte **signée** (`linear`), `d_mean = biais_DL − biais_HAR` (identité
dm_test.py L123-135) : le différentiel `dm_mean_loss_diff ≈ +0,22` log-RV (h=1) est **porté par
le biais de HAR**, pas par DLinear. Mesuré (run dé-biaisé #10938) : `har_bias_oos = −0,227`
(h=1, HAR **sous-prévient** log-RV), `bias_DL = dm_mean_loss_diff + har_bias_oos ≈ 0` (DLinear
**non biaisé**). L'hypothèse initiale « retirer le biais² porterait l'edge à ~21/52/74 % » est
**réfutée** : le biais² (~0,051 h=1) est dans le MSE de **HAR**, pas dans celui de DLinear —
dé-biaiser DLinear ne libère rien (MSE brut = dé-biaisé, bit-identique), dé-biaiser HAR ramènerait
son MSE à ~0,836 et l'edge à ~10 %. Sous §C tel qu'écrit, la conjonction n'est pas tenue.
**Verdict §C : NO BEATS (3/3 horizons)** — règle de dominance (seed BEATEN → NO BEATS) appliquée.
**Coûts de transaction** : prévision (MSE log-RV), **aucune stratégie dérivée** → coût non imputé ;
borne crypto 10 bps si conversion future en overlay de vol-timing (note, pas un claim).
**Persistence MSE** (même série, même découpage) : h=1 `1,173` · h=5 `0,968` · h=10 `0,930` —
DLinear et HAR battent tous deux le plancher naïf.

- **Data hash** : `sha256 38a4e973955cf9f8527c3096931aa958bfae09580737c909450504b21502c573`
  (`Bitstamp_BTCUSD_1h_2014-20240808.csv`, CryptoDataDownload)
- **Run** : `python dlinear_vol.py --horizons 1 5 10 --seeds 0 7 42 99 --loss-fn linear --skip-remote --coins BTC-USD --out-json results/m4_dlinear_vol_btc_sc.json` (3508 s)
- **Verdict global** : 0/3 BEATS, 0/3 INCONCLUSIVE, **3/3 NO BEATS**

### M4 DLinear-vol — re-run §C dé-biaisé (2026-08-14, issue #10938)

Re-run du barème §C avec dé-biaisage explicite (mesure acceptance #1 de #10938 : attribution du
`dm_mean_loss_diff` sous perte signée). Verdict inchangé — l'attribution de la « Lecture honnête »
ci-dessus est la **correction** mesurée.

**Méthode** : `_train_bias` estime le biais signé moyen modèle-vs-cible **sur fold train uniquement**
(jamais sur test, acceptance #2) ; il est soustrait aux prédictions de test ; le biais OOS de HAR
(`har_bias_oos`) est persisté par horizon. Config identique au run brut (`refit_every` 22, 4 seeds,
5 folds).

| Horizon | `dm_mean_loss_diff` | `har_bias_oos` | ⇒ `bias_DL` dérivé | MSE DL dé-biaisé vs brut |
|---------|--------------------:|---------------:|--------------------|--------------------------|
| h=1 | +0,2282 | −0,2266 | ≈ 0 (+0,002) | 0,7516 = 0,7516 (bit-identique) |
| h=5 | +0,3512 | −0,3432 | ≈ 0 (+0,008) | 0,3740 = 0,3740 |
| h=10 | +0,4513 | −0,4502 | ≈ 0 (+0,001) | 0,3521 = 0,3521 |

**Lecture** : `d_mean = biais_DL − biais_HAR` — le différentiel linéaire est porté par le biais de
**HAR** (sous-prévision log-RV −0,23 à −0,45 selon l'horizon) ; DLinear est **non biaisé**
(`bias_DL ≈ 0` sur les 3 horizons). Dé-biaiser DLinear ne change rien (son MSE est déjà dé-biaisé
au 1/1000ᵉ) ; dé-biaiser HAR ramènerait son MSE de ~0,888 à ~0,836 (h=1) et l'edge de ~15 % à
~10 %. L'hypothèse « retirer le biais² → edge ~21/52/74 % » est **réfutée** par la mesure.

- **Run** : `python dlinear_vol.py --horizons 1 5 10 --seeds 0 7 42 99 --loss-fn linear --skip-remote --coins BTC-USD --debias --out-json results/m4_dlinear_vol_btc_sc_debiased.json` (3963,8 s)
- **Notebook** : section 7 de `m4_dlinear_vol_sc_validation.ipynb` (recalcul indépendant de la conjonction + décomposition, outputs C.2)
- **Verdict §C dé-biaisé** : **3/3 NO BEATS** — identique au brut (la dominance seed-BEATEN est une propriété du MSE, pas du biais).

### M4 DLinear-vol — re-run §C perte de précision (2026-08-15, issue #11011)

Re-run du barème §C **amendé** (#11010) sous `--loss-fn mse` (jambe de précision). Le verdict
NO BEATS de #10930 était instrumenté sur `linear`, désormais **contrôle de biais séparé** — la
conjonction doit porter sur une perte de précision (`mse`/`mae`). Cette entrée rend la conjonction
§C sur MSE : edge ≥ 2σ cross-seed **et** `dm_p_median < 0,05`.

| Horizon | edge (red MSE moy, %) | σ cross-seed | dm_p_median | Verdict §C |
|---------|----------------------|--------------|-------------|------------|
| h=1 | +15,3 % | 0,04 | 0,00e+00 | **BEATS** |
| h=5 | +28,3 % | 0,10 | 2,25e-10 | **BEATS** |
| h=10 | +38,3 % | 0,20 | 2,39e-09 | **BEATS** |

**Lecture** : sous `mse`, le DM teste l'égalité des pertes quadratiques (précision pure) — le
`d_mean = biais_DL − biais_HAR` de la jambe linéaire n'intervient plus dans le verdict. Les
4 seeds de chaque horizon passent **BEATS baseline** (0 BEATEN) et la conjonction est tenue 3/3 :
l'edge de précision (+15 à +38 %) est **significatif** sous la perte quadratique. Le changement de
verdict (NO BEATS → BEATS) vs #10930 est **mécanique** : mêmes MSE, mêmes seeds, même découpage —
ce qui change est la question posée au DM (biais sous `linear`, précision sous `mse`), pas le
modèle. Rapport de biais séparé (mesuré #10938, inchangé) : `har_bias_oos` −0,2266/−0,3432/−0,4502
(h=1/5/10), `bias_DL ≈ 0` — le différentiel linéaire reste porté par le biais de HAR, DLinear
non biaisé.

- **Run** : `python dlinear_vol.py --horizons 1 5 10 --seeds 0 7 42 99 --loss-fn mse --skip-remote --coins BTC-USD --out-json scripts/results/m4_dlinear_vol_btc_sc_mse.json` (2341,4 s)
- **Notebook** : section 8 de `m4_dlinear_vol_sc_validation.ipynb` (recalcul indépendant de la conjonction mse, outputs C.2)
- **Verdict §C (jambe de précision)** : **3/3 BEATS** (contre 3/3 NO BEATS sous linear — changement de jambe, pas de modèle)

### M4 DLinear-vol — re-run §C dé-biaisé + DM recentré (2026-08-24, issue #12734)

Run **symétrique** demandé par #12734 : baseline HAR **débiaisée** (soustraction de `har_bias_oos`
des prévisions HAR OOS, jamais du biais train — pas de fuite, acceptance #2 de #10938) **et**
DM sur **erreurs recentrées** `loss_fn="mse"` (centrage `e − mean(e)` par prévisionneur). Le
centrage annule le biais (`mean(loss_fn="linear") = 0`) donc le DM compare les variances
uniquement — c'est la jambe **précision** que l'amendement §C #11010 rend obligatoire pour
porter le verdict `BEATS`, appliquée ici **après dé-biaisage symétrique**.

Pourquoi ce n'est pas une redite du mse de la section 8 / REGISTRY précédent : la section 8
mesure la précision mais sur HAR **biaisée** — la baseline gonfle son MSE par son propre biais
(`MSE = biais² + variance`, donc MSE brut surestime la variance de HAR). Cette entrée élimine
le biais **sur les deux côtés** : DLinear brut, HAR débiaisée, puis DM recentré.

| Horizon | edge (red MSE vs HAR deb, %) | σ cross-seed | dm_p_median (centered) | var ratio DL/HAR_deb | Verdict §C |
|---------|----------------------------|--------------|------------------------|----------------------|-------------|
| h=1  | +10,1 % | 0,15 | 1,5e-09 | 0,899 | **BEATS** |
| h=5  | +7,3 %  | 0,23 | 9,7e-05 | 0,927 | **BEATS** |
| h=10 | +3,7 %  | 0,19 | 1,0e-01 | 0,963 | **INCONCLUSIVE** |

**Décomposition biais² + variance** : `har_bias_oos` −0,2266 / −0,3432 / −0,4502 log-RV
(h=1/5/10, MESURÉ sur test OOS — biais `HAR` en sous-prévision de log-RV). Après dé-biaisage
HAR, le résiduel biais²/variance chute à 5,8 % (h=1) → 22,6 % (h=5) → 35,5 % (h=10) — le
dé-biaisage élimine bien le biais dominant sur h=1 mais le résiduel augmente avec l'horizon
(le biais OLS d'une régression HAR est plus dispersé sur des fenêtres longues). `var_ratio =
var_DL / var_HAR_debiased` reste < 1 sur les 3 horizons ⇒ DLinear **plus précis** (variance
plus petite) que HAR une fois son biais soustrait.

**Verdict M4 BTC (#12734 acceptance)** : M4 **survit hors biais sur h=1 et h=5**, devient
**INCONCLUSIVE sur h=10** après dé-biaisage symétrique. Lecture honnête : le verdict
**3/3 BEATS** de la section 8 (#11011, mse asymétrique) était **gonflé par le biais de
HAR** — sans le biais, l'edge MSE se réduit de +38 % à +3,7 % (h=10) et le DM centered
n'atteint plus le seuil `p < 0,05` (`p = 0,10`, juste au-dessus). Le verdict §C recentré
est **2/3 BEATS, 1/3 INCONCLUSIVE, 0/3 NO BEATS** — mesurable, défendable, et **plus strict**
que les 3/3 BEATS de la mse asymétrique. M4 BTC keeper reste défendable : 2 horizons
passent la conjonction, le 3ᵉ est statistiquement insuffisant (pas un échec).

- **Run** : `python scripts/btc_vol.py --horizons 1 5 10 --seeds 0 7 42 99 --epochs 50 --out-json scripts/results/m4_dlinear_vol_btc_sc_debiased_recentered.json` (1776,4 s ≈ 30 min CPU, 12 combos — artefact régénéré par #14362, cf. correction ci-dessous ; le run initial #12734 mesurait 1786,9 s)
- **Notebook** : section 9 de `m4_dlinear_vol_sc_validation.ipynb` (recalcul indépendant de la conjonction recentrée, décomposition biais²+variance, outputs C.2)
- **Verdict §C recentré** : **2/3 BEATS, 0/3 NO BEATS, 1/3 INCONCLUSIVE** (vs 3/3 BEATS mse asymétrique #11011 — la symétrie du dé-biaisage **réduit** l'edge sur h longs, ne le fabrique pas)

**Correction #14362 (2026-09-02) — la jambe de sanité était silencieusement recentrée.** L'entrée
ci-dessus décrit une seconde jambe DM « RAW » censée reproduire le keeper #11011 sur pertes
brutes. Elle passait par `_dm_centered_mse`, comme la jambe de verdict. Or les deux séries HAR ne
diffèrent que d'une **constante** (`har_errors_debiased = har_errors − har_bias_oos`) et le
recentrage par la moyenne propre l'annule exactement — les deux jambes rendaient le **même
nombre**, bit-identiques sur **12 lignes sur 12** de l'artefact publié. Ses p-médianes
(1,545e-09 / 9,660e-05 / 1,021e-01) reproduisaient `dm_centered_p_median`, pas le keeper ; à h=10
elle affichait `INCONCLUSIVE` là où le keeper qu'elle devait retrouver publie **BEATS** à
p = 2,39e-09. Un contrôle qui suit la mauvaise cible n'en est pas un.

Après correction (champ renommé `dm_uncentered_vs_har_raw_*`, DM **non centré** sur erreurs
intactes), artefact régénéré à configuration identique — la jambe **retrouve** le keeper :

| h | jambe corrigée p_median | keeper #11011 publié | verdicts |
|---|---|---|---|
| 1  | **0,000e+00** | 0,00e+00 | BEATS 4/4 |
| 5  | 1,435e-10 | 2,25e-10 | BEATS 4/4 |
| 10 | 3,083e-09 | 2,39e-09 | **BEATS 4/4** (était INCONCLUSIVE) |

L'accord est **de rang de grandeur et de verdict, pas bit-à-bit** sur h=5/h=10 (facteur < 2) : le
keeper provient d'un entraînement DLinear distinct, les erreurs du modèle ne sont pas les mêmes
séries. C'est l'accord attendu d'une reproduction indépendante, pas d'un rejeu.

**Ce que la correction ne change pas** : `dm_centered_stat` revient **bit-identique sur 12/12
lignes** (Δ max = 0,000e+00) sur le run régénéré — le défaut portait sur un champ de **diagnostic**,
jamais sur la conjonction §C. Le **verdict §C recentré reste 2/3 BEATS, 1/3 INCONCLUSIVE**, et M15
reste `refuted-de-biased` 3/3. Ce qui était perdu, c'est la capacité de le contrôler. Le champ n'est
agrégé nulle part (`aggregated` ne porte que `dm_centered_p_median`) — c'est ce qui a laissé le
défaut invisible ; suivi en **#14390**.

**Confirmation indépendante #11036 (re-validation ai-01, lane #1454, 2026-08-24)** : re-validation
sur les séries du run mse #11011 persistées par combo (M4 déterministe, CPU) — MSE/DM
**bit-identiques au keeper sur les 12 combos** (moyennes 0,7518/0,3740/0,3521 = valeurs publiées).
Jambe recentrée : h=1 **+10,11 %** (σ 0,04, p_median 2,3e-09, 0 beaten) ; h=5 **+7,48 %** (σ 0,13,
p_median 9,1e-05, 0 beaten) ; h=10 +4,31 % (edge/2σ = 6,9 MAIS **p_median 0,0598** — 3 seeds
p > 0,05, un seul 0,047). **Verdict #11036 : `confirmed` h=1/h=5, `INCONCLUSIVE` h=10** — la
conjonction échoue de justesse sur la jambe DM à h long, cohérent avec la mesure #12734 ci-dessus
(p 0,10 sur run ré-entraîné indépendant).

**Note sur M15 BTC (slice 2/2 de #12734)** : le constat d'invérifiabilité post-hoc est **levé** —
rerun complet 12/12 avec persistance des séries `pred_lstm`/`pred_har`/`pred_target` par combo
(instrument PR #12745), verdict mesuré : **`refuted-de-biased` 3/3** — section dédiée ci-dessous
(issues #11041/#11034).

### M4 DLinear-vol — revalidation cluster 7 actifs appariée par origine (2026-09-30, Epic #1454)

Port du protocole #18190 (fixé pour M17) : les jambes DM brute et calibrée joint désormais les
deux walk-forwards sur leurs **dates d'origine** communes et **refuse fail-closed** si les cibles
partagées divergent (`TARGET_MISMATCH`), au lieu de tronquer positionnellement (`[:min_len]`).
La jambe recentrée (#12684) passait déjà par la jointure par dates ; elle hérite maintenant de la
validation des cibles. Run : 7 actifs (BTC/ETH/SOL/LTC/XRP/ADA/DOT) × h 1/5/10 × graines 0/7/42/99,
`--debias --loss-fn mse`, 84 combinaisons, 12 291 s.

| Jambe | BEATS | NO BEATS | INCONCLUSIVE | refuted | Détail |
|-------|------:|---------:|-------------:|--------:|--------|
| Calibrée (verdict doc) | 3/21 | 0/21 | 18/21 | — | BTC h=1/h=5, SOL h=1 |
| Brute (4 états) | 4/21 | 7/21 | 10/21 | — | + ETH h=1 ; NO BEATS : SOL/LTC/ADA h=10, DOT h=5/10, XRP h=5/10 |
| Précision (recentrée) | 2/21 | 1/21 | 16/21 | 2/21 | BEATS BTC h=1/h=5 ; NO BEATS XRP h=10 ; refuted BTC h=10, ETH h=1 |

**Verdict cluster : edge de précision confiné à BTC** (h=1 : +10,1 % hors biais, 4/4 graines,
p_median 2,2e-09 ; h=5 : +7,5 %, 8,9e-05). Hors BTC : 0/18 BEATS en précision. ETH h=1 réfuté
(porté par le biais HAR), SOL h=1 ne bat que la baseline calibrée (jambe brute 0/4, p 0,20).
Le mécanisme se lit dans les biais : HAR sous-estime fortement la vol BTC (−0,23 à −0,45) mais est
quasi neutre sur les petits actifs (|biais| < 0,03 sur DOT/XRP) — le levier « dé-biaser la
baseline » n'existe pas hors BTC, et DLinear surestime les six autres actifs (+0,03 à +0,28).

- **Manifeste** : `scripts/results/m4_dlinear_vol_cluster_aligned.json` (31 406 octets — verdicts,
  diagnostics d'alignement par combo, SHA-256 par pièce du JSON complet ; `dm_target_gap_max` = 0,0
  sur 21/21 couples, 0 refus, jointures stables across graines).
- **Séries complètes** hors dépôt (>512 Ko, #15890) :
  `G:\Mon Drive\MyIA\Dev\Trading\ML-Training-Pipeline\m4_dlinear_vol_cluster_full.json`
  (11 753 743 octets, SHA-256 LF-normalisé `1d25cbc7948e2a16…` — préfixe).
- **Régénération** : commande dans `docs/M4_DLINEAR_VOL.md` §Revalidation cluster (reprise sur
  checkpoint JSONL, une ligne par combo).

## M15 LSTM-vol — entrée §C (2026-08-14) — issue #10941

2e entrée du registre conforme au barème `pr-review-discipline.md` §C (suite #10908/#10930) :
walk-forward ≥ 5 folds, ≥ 4 seeds, Diebold-Mariano `loss_fn="linear"` (perte signée), conjonction
edge ≥ 2σ **et** `dm_p_median < 0,05` (reportés séparément), baselines + coûts documentés, verdict
honnête. Notebook : `m15_lstm_rv_sc_validation.ipynb` (outputs C.2, 0 erreur).

**Modèle** : LSTM (Hochreiter & Schmidhuber 1997) — `LSTM(hidden=64, layers=1, window=22) -> horizon`,
~17 729 params, Adam lr=1e-3, 100 epochs max (patience 10).
**Univers** : BTC-USD (Bitstamp hourly 2014→2024, 2278 jours de RV). Coin le plus riche du panel
M15 (les autres ~725 j restent hors barème §C).
**Cible** : log-RV quotidien. **Baselines** : HAR (Corsi 2009, benchmark de référence) +
persistence (random walk, mesurée section 4 du notebook). **DM** : `scripts/dm_test.py`,
HAC Newey-West + correction HLN, `loss_fn="linear"` (#10228).
**Cadence de refit** : `--refit-every 110` (vs 22 legacy) — à 22 j, ~85 LSTM retraînés par combo
(~50 min/combo sur RTX 3070) serait infeasible pour un sweep multi-seed §C de 12 combos. La cadence
110 j est un hyperparamètre de walk-forward légitime, reproductible, documenté dans le notebook.

| Horizon | edge (red MSE moy, %) | σ cross-seed | dm_p_median | Verdict §C |
|---------|----------------------|--------------|-------------|------------|
| h=1 | −0,4 % | 3,67 | 3,08e-09 | **NO BEATS** |
| h=5 | +13,3 % | 4,46 | 0,00e+00 | **NO BEATS** |
| h=10 | +20,1 % | 4,11 | 0,00e+00 | **NO BEATS** |

**Lecture honnête (le piège §C, même structure que M4)** : LSTM bat HAR de 13 à 20 % en MSE sur
h=5/h=10 (perte symétrique) mais la perte **signée** (`linear`) révèle un **biais différentiel**
LSTM−HAR — les 4 seeds de chaque horizon sont **BEATEN BY baseline** (`dm_p_median < 3,1e-09`).
h=1 est plus ambigu : 2 seeds améliorent le MSE (−2,7/−3,9 %) mais 2 seeds le dégradent (+3,6/+4,4 %)
→ edge moyen ≈ 0 (−0,4 %). Le DM signé détecte ce biais de niveau des prévisions (différentiel
LSTM−HAR) exactement comme pour DLinear : sous `loss_fn="linear"`, un modèle qui sous-prévoit
log-RV est mécaniquement « battu » — l'edge MSE réel ne se convertit pas en verdict §C. Conjonction
non tenue partout. **Attribution du biais non mesurée dans ce run** (`mean_loss_diff = bias_LSTM −
bias_HAR`, `har_bias_oos` non persisté ici) : cf #10938/#10966 où HAR porte l'essentiel sur la même
cible.
**Verdict §C : NO BEATS (3/3 horizons)** — règle de dominance (seed BEATEN → NO BEATS) appliquée.
**Coûts de transaction** : prévision (MSE log-RV), **aucune stratégie dérivée** → coût non imputé ;
borne crypto 10 bps si conversion future en overlay de vol-timing (note, pas un claim).
**Persistence MSE** (même série, même découpage) : h=1 `1,173` · h=5 `0,968` · h=10 `0,930` —
LSTM et HAR battent tous deux le plancher naïf.

- **Data hash** : `sha256 38a4e973955cf9f8527c3096931aa958bfae09580737c909450504b21502c573`
  (`Bitstamp_BTCUSD_1h_2014-20240808.csv`, CryptoDataDownload)
- **Run** : `python m15_lstm_rv.py --coins BTC-USD --seeds 0 1 7 42 --horizons 1 5 10 --loss-fn linear --refit-every 110 --output results/m15_lstm_rv_btc_sc` (2096 s, resume depuis checkpoint 5/12)
- **Verdict global** : 0/3 BEATS, 0/3 INCONCLUSIVE, **3/3 NO BEATS**

### M15 LSTM-vol — re-run §C perte de précision (2026-08-15, issue #11034)

Re-run du barème §C **amendé** (#11010) sous `--loss-fn mse` (jambe de précision). Le verdict
NO BEATS de #10941 était instrumenté sur `linear`, désormais **contrôle de biais séparé** — la
conjonction doit porter sur une perte de précision (`mse`/`mae`). Cette entrée rend la conjonction
§C sur MSE : edge ≥ 2σ cross-seed **et** `dm_p_median < 0,05`.

| Horizon | edge (red MSE moy, %) | σ cross-seed | dm_p_median | Verdict §C |
|---------|----------------------|--------------|-------------|------------|
| h=1 | -0,7 % | 3,70 | 3.63e-01 | **INCONCLUSIVE** |
| h=5 | +14,9 % | 4,64 | 4.06e-02 | **BEATS** |
| h=10 | +18,8 % | 4,72 | 1.83e-02 | **BEATS** |

**Lecture** : sous `mse`, le DM teste l'égalité des pertes quadratiques (précision pure) — le
`d_mean = biais_LSTM − biais_HAR` de la jambe linéaire n'intervient plus dans le verdict, et la
règle de dominance (seed BEATEN) ne se déclenche plus : les seeds BEATEN du run linear étaient
l'artefact du biais différentiel. Contrairement au re-run M4 (#11036, MSE bit-identiques), ce
sweep ré-entraîne les LSTM (cuDNN non déterministe sur GPU) : les edges restent proches de #10941
(± 1,6 pt) — l'écart dominant entre les deux runs est bien la **jambe DM**, pas le modèle.
Rapport de biais séparé (contrôle §C(7), conservé) : la jambe linear #10941 reste le contrôle
(`dm_p_median < 3,1e-09`, seeds BEATEN sur h=5/h=10) ; l'attribution du biais n'est pas mesurée
dans le run M15 (`har_bias_oos` non persisté ici) — sur la même cible, #10938/#10966 montrent
que HAR porte l'essentiel (`har_bias_oos` −0,23/−0,34/−0,45).

- **Run** : `python m15_lstm_rv.py --coins BTC-USD --seeds 0,1,7,42 --horizons 1,5,10 --loss-fn mse --refit-every 110 --output results/m15_lstm_rv_btc_sc_mse` (1563 s, resume depuis checkpoint 9/12)
- **Notebook** : section 7 de `m15_lstm_rv_sc_validation.ipynb` (recalcul indépendant de la conjonction mse, outputs C.2)
- **Verdict §C (jambe de précision)** : **2/3 BEATS, 1/3 INCONCLUSIVE, 0/3 NO BEATS** (contre 3/3 NO BEATS sous linear — changement de jambe, pas de modèle)

### M15 LSTM-vol — re-validation hors-biais (2026-08-24, issues #11041/#11034) — `refuted-de-biased` 3/3

Re-validation du keeper M15 BTC sur la jambe que #12684/#12695 ont rendue obligatoire : DM
`loss_fn="mse"` sur **erreurs recentrées** (`e − mean(e)` par prévisionneur — le centrage annule
le biais, le DM compare les variances) + décomposition `MSE = biais² + variance` par seed.
Rerun complet **12/12 combos** (3 horizons × 4 seeds 0/1/7/42, config harness #11034 :
`refit-every 110`, walk-forward, GPU RTX 4090, 2782 s) avec persistance des séries par combo —
l'invérifiabilité post-hoc notée dans les entrées M15 précédentes est levée.

| Horizon | edge brut (mse) | edge recentré | var_ratio LSTM/HAR | seeds BEATEN (rec) | dm_p_median (rec) | Verdict recentré |
|---------|-----------------|---------------|--------------------|--------------------|-------------------|------------------|
| h=1  | −0,21 % (INCONCLUSIVE) | **−5,73 %**  | **1,057** | 1/4 (p 0,040) | 0,205 | **NO BEATS** |
| h=5  | +13,95 % (BEATS)        | **−10,70 %** | **1,107** | 2/4 (p 0,0036/0,014) | 0,090 | **NO BEATS** |
| h=10 | +17,28 % (BEATS)        | **−27,22 %** | **1,272** | 3/4 (p 0,028/0,0015/0,0047) | 0,016 | **NO BEATS** |

**Rapport de biais signé (contrôle §C(7))** — LSTM : −0,064/−0,039/−0,056 ; HAR :
−0,227/−0,343/−0,450 (h=1/5/10). HAR sous-prévoit le log-RV sur les 3 horizons ; le LSTM est
moins biaisé mais **plus dispersé** (`var_ratio > 1` partout).

**Lecture** : la jambe brute **reproduit le keeper publié** avant relecture hors-biais — h=5
+13,95 % (vs +14,9 % #11034), h=10 +17,28 % (vs +18,8 %), h=1 INCONCLUSIVE (−0,2 % vs −0,7 %) :
le rerun est fidèle, il n'a pas été sélectionné pour favoriser la réfutation. Mais une fois le
biais² retiré symétriquement (erreurs recentrées des deux côtés), l'edge s'inverse : **3/3 NO
BEATS** par la règle de dominance (1, 2 puis 3 seeds BEATEN avec l'horizon). L'edge publié était
le **biais² de la baseline HAR** — même structure exacte que la réfutation ETF #12684/#12695.
**Verdict #11041/#11034 : `refuted-de-biased` (3/3 horizons)** — le M15 LSTM-vol n'est pas un
keeper : sa seule propriété réelle est d'être moins biaisé que HAR, au prix d'une variance
supérieure.

**Le discriminant est le ratio de variance, pas la p-value brute.** M4 DLinear BTC survit hors
biais parce que `var_DL / var_HAR = 0,899/0,925/0,957 < 1` — l'edge recentré h=1/h=5 (+10,1 %/
+7,5 %, DM p ≤ 9,1e-05) est une vraie réduction de variance. Le M15 échoue parce que
`var_LSTM / var_HAR = 1,057/1,107/1,272 > 1` — le LSTM n'est **pas plus précis** que HAR, seulement
moins biaisé. Toute la différence entre les deux verdicts de keepers était lisible dans cette
colonne avant tout test de significativité ; c'est elle que toute nouvelle entrée vol doit
désormais rapporter (cf instrument #12745 : la décomposition est exécutable sans ré-entraînement
sur les séries persistées).

**Portée — et ce que cette entrée ne couvre PAS** : le renversement M15 est mesuré sur **BTC**
(ce run) et **ETF SPY/TLT/GLD** (#12695 : 9/9 cellules négatives hors biais), les deux terrains
log-RV du pipeline ; il est général à la famille M15 (LSTM h=64, window 22) sur la cible log-RV.
En revanche cette entrée **ne couvre pas** : (1) les autres architectures deep-seq (transformer,
mamba, iTransformer, MoE régimes, GNN — non re-validées hors biais ; leurs éventuels edges
restent à décomposer par le même instrument). PatchTST est désormais couvert séparément par
#14081 ci-dessous ; (2) la cible direction/rendement (ladder
#1409 L4 Decision Transformer, validation XRP DT — cible différente, verdict non touché) ;
(3) M4 DLinear lui-même, qui **survit** sur BTC (`confirmed` h=1/h=5) mais échoue sur ETF
(#12695) — l'edge M4 est spécifique au terrain crypto (RV BTC agrège 24 h de bars horaires vs
1 bar OHLC/jour en GK daily ETF), pas une propriété générale de DLinear ; (4) toute conversion
en stratégie de vol-timing avec coûts de transaction — verdict de prévision (MSE log-RV)
uniquement, aucune stratégie dérivée, borne crypto 10 bps non imputée.

- **Run** : rerun 12/12 → `results/m15_lstm_rv_btc_sc_mse_persist/` (2782 s) ; re-validation
  `results/btc_revalidation_recentred/revalidate_recentred.py` (jambes RAW/REC/LIN câblées
  explicitement — RAW = sanité reproduisant le keeper, REC = jambe verdict, LIN = contrôle de
  biais uniquement ; décomposition `mse = biais² + var` vérifiée au 1e-12 par seed). Artefacts
  hors repo (`results/` gitignoré) — instrument de persistance : PR #12745.
- **Verdict §C recentré** : **0/3 BEATS, 0/3 INCONCLUSIVE, 3/3 NO BEATS** — `refuted-de-biased`.

## M15 LSTM-vol — revalidation cluster appariée par origine (2026-10-01) — Epic #1454, port #18190, clôture #12734

Le protocole d'appariement par origine (#18190, validé sur M4/#18650) est porté au harnais M15 et
le run complet différé par #12734 est livré sous forme étendue : **cluster 7 actifs**
(BTC/ETH/SOL/LTC/XRP/ADA/DOT) x 3 horizons x 4 seeds = 84 combos, `loss_fn=mse`, refit 110,
hidden 64, GPU RTX 3070 Laptop, runtime réel ~82 min (restart checkpoint inclus). Les jambes DM
joignent les deux walk-forwards sur leurs dates d'origine communes, valident la cible partagée
d'abord, et **refusent** (`TARGET_MISMATCH`) plutôt que de comparer en silence. Trois jambes :
HAR brute, HAR calibrée train-only, erreurs centrées (variance).

### Le défaut de convention que le port a mesuré (résultat principal)

Le garde shared-target a refusé **deux fois** avant toute mesure valide — le protocole fait son
travail : (1) join naïf refusé (BTC h=1, gap 4,25) — cible LSTM `[i+1, i+h]` vs cible HAR
`[i, i+h-1]` : **les verdicts §C antérieurs de M15 comparaient des prévisions de fenêtres
différentes** ; (2) relabel positionnel refusé (gap 3,51) — les boucles s'arrêtent à
`test_end - horizon`, la sortie HAR concaténée saute h positions à chaque frontière de fold, et le
décalage positionnel `values[1:]` franchit la frontière. Correctif : relabel sur la **date
boursière précédente de l'index complet** (`_relabel_har_to_lstm_origin(..., full_index)`), test
de régression `test_relabel_survives_fold_boundaries_in_the_har_output`. Sur le run complet :
gap max 3,6e-15 (ULP flottant), 0 cellule TARGET_MISMATCH sur 21, n_joined min 545.

**Asymétrie résiduelle documentée** : à l'origine appariée, HAR connaît `rv` jusqu'à `t-1`, le
LSTM ses features jusqu'à `t-2` (convention M15 : un jour de trou entre frontière d'information et
fenêtre cible). Direction conservatrice — le verdict BEATEN ci-dessous n'est jamais lu comme une
déficience LSTM seule.

### Verdicts

Agrégé par horizon (28 combos chacun) :

| Horizon | edge MSE | σ | dm_p_median | brute | calibrée | centrée (variance) |
|---|---|---|---|---|---|---|
| h=1  | −20,8 % | 7,04  | 0,0001 | NO BEATS | NO BEATS (p 0,0006) | BEATEN (p 0,0024) |
| h=5  | −30,3 % | 18,04 | 0,0004 | NO BEATS | NO BEATS (p 0,0104) | BEATEN (p 0,0026) |
| h=10 | −45,2 % | 32,79 | 0,0003 | NO BEATS | NO BEATS (p 0,0525) | BEATEN (p 0,0089) |

Par cellule (21) : brute NO BEATS 19/21 (INCONCLUSIVE BTC h=5 p=0,195 / h=10 p=0,053) ; calibrée
NO BEATS 18/21 (INCONCLUSIVE SOL h=10, XRP h=5/h=10) ; centrée BEATEN (variance) 19/21
(INCONCLUSIVE XRP h=5/h=10). **var_ratio LSTM/HAR = 1,12-1,34, > 1 sur les 21 cellules** : le
déficit est de la **variance** — même après retrait du biais, le LSTM est uniformément moins
précis que HAR.

**Lecture** : (1) le verdict `refuted-de-biased` BTC du 2026-08-24 est **étendu au cluster 7
actifs** avec une structure plus tranchée — là où l'edge BTC publié était le biais² de HAR, la
mesure corrigée montre un déficit de précision qui ne dépend pas de la convention de biais ;
(2) l'antécédent BTC-only hidden=64 refit-110 « 2/3 BEATS » (#11034, jambe brute) **ne survit pas
à l'appariement corrigé** — ses cellules h=5/h=10 sont INCONCLUSIVE brutes et NO BEATS calibrées :
le « BEATS » était porté par la convention mixte, pas par le modèle ; (3) M15 reste non-keeper.

- **Manifeste committé** : `scripts/results/m15_lstm_rv_cluster_aligned.json` (politique #15890 —
  verdicts + diagnostics d'alignement par cellule + ancres SHA-256 par coin, aucune série).
- **Séries complètes** : `G:\Mon Drive\MyIA\Dev\Trading\ML-Training-Pipeline\m15_lstm_rv_cluster_full.json`
  (12,3 Mo ; sha256 LF `909244cb…d67d818`, octets bruts `4e7167e5…d79abd`).
- **Notebook §8.5** : `m15_lstm_rv_sc_validation.ipynb` cellule de lecture du manifeste, exécutée
  (0 erreur) — la fermeture #12734 « keeper vérifiable post-hoc » est effective : verdicts,
  décompositions et erreurs par combo rejouables sans ré-entraînement.
- **Détail** : `docs/M15_LSTM_RV.md` section « Revalidation cluster appariée par origine ».

## PatchTST-vol BTC — revalidation hors biais (2026-09-01) — issue #14081

Première revalidation deep-seq hors M15 contre la baseline corrigée issue de #12684/#12734.
Le harnais `scripts/btc_patchtst.py` réutilise le modèle PatchTST (Nie et al., ICLR 2023), mais
porte sa propre cible log-RV et son vrai walk-forward expanding : le CLI directionnel historique
n'appliquait pas réellement son drapeau `--walk-forward`. Le défaut `--device` déclaré deux fois,
qui faisait échouer ce CLI avant tout entraînement, est corrigé et couvert par un test subprocess.

**Protocole réel** : BTC Bitstamp hourly 2014→2024, 2 278 jours de RV (2018-05-15→2024-08-08),
SHA-256 `38a4e973955cf9f8527c3096931aa958bfae09580737c909450504b21502c573` ; 5 folds expanding,
seeds {0,1,7,42}, horizons {1,5,10}, cible = moyenne du log-RV futur. PatchTST borné CPU :
`seq_len=64`, patch 16, stride 8, `d_model=32`, 4 heads, 1 couche, 10 epochs — 14 145 / 15 045 /
16 170 paramètres selon l'horizon. Un modèle est ajusté par fold et seed, normalisation et sélection
du meilleur epoch sur le train uniquement. HAR estime son biais signé sur une queue de calibration
antérieure au test (`calibrate_bias=True`) : aucun target du bloc test ne calibre sa propre baseline.
DM porte sur les erreurs recentrées avec `loss_fn="mse"` ; toutes les séries alignées par timestamp
sont persistées hors dépôt pour recalcul post-hoc.

| Horizon | edge PatchTST vs HAR débiaisé | σ cross-seed | dm_p_median recentré | var_ratio PatchTST/HAR | seeds BEATEN | Verdict |
|---|---:|---:|---:|---:|---:|---|
| h=1  | −4,23 %  | 1,32 pt | 0,313  | 1,041 | 0/4 | **INCONCLUSIVE** |
| h=5  | −16,35 % | 2,38 pt | 0,0366 | 1,159 | 3/4 | **NO BEATS** |
| h=10 | −22,86 % | 2,76 pt | 0,0253 | 1,220 | 4/4 | **NO BEATS** |

**Biais signés moyens PatchTST / HAR débiaisé** : h=1 −0,00475 / −0,00388 ; h=5 −0,04321 /
−0,00155 ; h=10 −0,05502 / −0,00242. HAR est effectivement recalé ; l'écart restant vient de la
variance. PatchTST porte une variance supérieure aux trois horizons (`var_ratio > 1`) et la
dégradation croît avec l'horizon. Le résultat h=1 ne sépare pas les modèles (4/4 DM inconclusifs) ;
h=5 et h=10 réfutent l'edge deep-seq, respectivement 3/4 et 4/4 seeds significativement battues.

- **Run** : `python scripts/btc_patchtst.py --device cpu --horizons 1 5 10 --seeds 0 1 7 42 --n-splits 5 --seq-len 64 --patch-len 16 --stride 8 --d-model 32 --n-heads 4 --n-layers 1 --epochs 10 --batch-size 32 --out-json results/btc_patchtst_har_debiased_cpu_20260901.json` — 115,9 s CPU, 12/12 combinaisons, 5 folds chacune.
- **Vérification** : 12 lignes JSON, 1 890 / 1 870 / 1 845 prédictions alignées par seed selon h ; longueurs erreurs/prédictions/timestamps identiques ; `MSE = biais² + variance` recalculé à tolérance numérique sur chaque ligne.
- **Verdict §C** : **0/3 BEATS, 1/3 INCONCLUSIVE, 2/3 NO BEATS**. Mesure de prévision uniquement : aucune stratégie de trading ni claim après coûts.

## iTransformer BTC log-RV — revalidation hors biais (2026-09-06) — issue #14860

Seconde revalidation de deep-seq contre la baseline HAR débiaisée train-only ; la première
était PatchTST (#14081). Le harnais `scripts/btc_itransformer.py` réutilise la **classe**
`iTransformerModel` de `train_itransformer.py` (Li et al., ICLR 2024) mais porte sa propre
cible log-RV et son walk-forward expanding, comme `btc_patchtst.py` : le CLI directionnel
historique (SPY, cible direction/rendement) ne saisit pas cette cible et ne débiaise pas.

**Protocole réel** : BTC Bitstamp hourly 2014→2024, 2 278 jours de RV (2018-05-15→2024-08-08) ;
5 folds expanding, seeds {0,1,7,42}, horizons {1,5,10}, cible = moyenne du log-RV futur.
Config CPU par défaut du harnais : `seq_len=64`, `d_model=64`, 4 heads, 2 couches, 30 epochs,
`dropout=0.2`, `ff_dropout=0.2`, batch 32. Un modèle par fold et seed ; normalisation et
sélection du meilleur epoch sur le train uniquement (aucune fuite du bloc test). HAR estime
son biais signé sur une queue de calibration antérieure au test (`calibrate_bias=True`) —
aucun target du bloc test ne calibre sa propre baseline. DM sur erreurs recentrées avec
`loss_fn="mse"` (jambe de précision).

| Horizon | edge iTransformer vs HAR débiaisé | σ cross-seed | dm_p_median recentré | var_ratio iTrans/HAR | seeds BEATEN | Verdict |
|---|---:|---:|---:|---:|---:|---|
| h=1  | −13,50 %  | 2,49 pt | 0,00151 | 1,133 | 4/4 | **NO BEATS** |
| h=5  | −32,73 %  | 3,20 pt | 0,000037 | 1,327 | 4/4 | **NO BEATS** |
| h=10 | −39,59 %  | 5,54 pt | 0,000072 | 1,395 | 4/4 | **NO BEATS** |

**Biais signés moyens iTransformer / HAR débiaisé** : h=1 +0,01447 / −0,00388 ; h=5 −0,01093 /
−0,00155 ; h=10 −0,00861 / −0,00242. HAR est effectivement recalé ; l'écart vient de la
variance — iTransformer porte une variance supérieure aux trois horizons (`var_ratio > 1`),
et sa dégradation croît avec l'horizon (comme PatchTST). Contrairement à un edge de biais
réfuté (M4/M15), ici l'edge est **négatif ET significatif** (4/4 seeds battues, DM p<0,05 à
chaque horizon) : le deep-seq ne rivalise pas avec la baseline HAR simple sur log-RV.

- **Run** : `python scripts/btc_itransformer.py --device cpu --horizons 1 5 10 --seeds 0 1 7 42 --n-splits 5` — 697,0 s CPU, 12/12 combinaisons, 5 folds chacune.
- **Vérification** : 12 lignes JSON, 1 890 / 1 870 / 1 845 prédictions alignées par seed selon h ; longueurs erreurs/prédictions/timestamps identiques ; `MSE = biais² + variance` recalculé à max |diff| 2,2e-16 (tolérance 1e-9) sur chaque ligne.
- **Verdict §C** : **0/3 BEATS, 0/3 INCONCLUSIVE, 3/3 NO BEATS**. Mesure de prévision uniquement : aucune stratégie de trading ni claim après coûts.

## M5 HMM regime-switching HAR — entrée §C + revalidation hors biais (2026-09-02) — Epic #1454

Première entrée REGISTRY de M5 : le modèle était documenté (`docs/M5_HMM_REGIME.md`, Cycle 25) et
portait un **BEATS vivant** (`ETH-USD h=1`, +9,6 %, 4/4 seeds) qu'aucun rapport de biais n'avait
audité — le document ne contenait aucune occurrence de `bias`/`biais`/`recentr`/`debias`, et M5
n'apparaissait pas ici. Le harnais ne persistait que des MSE agrégés : le verdict publié était
**invalidable post-hoc sans ré-entraînement**, exactement le constat que #12745 avait levé sur M4/M15.

**Protocole réel** : BTC Bitstamp hourly, 2 278 jours de RV (2018-05-15→2024-08-08) ; ETH Binance
hourly, 1 495 jours (2019-10-21→2023-12-14). HAR à régimes = HMM gaussien K=2 (hmmlearn, Viterbi sur
log-RV) + OLS à 8 coefficients (4 base + 4 termes d'interaction `I(regime=high)`) ; baseline = HAR
classique Corsi 3 paramètres. Walk-forward 5 folds expanding, refit tous les 22 jours, seeds
{0,7,42,99}, horizons {1,5,10} — 24 combinaisons, 331,6 s CPU (ni GPU ni réseau : HMM + OLS).
DM HAC `loss_fn="mse"`. La jambe hors biais recentre les erreurs **des deux côtés**
(`e − mean(e)`) et compare aussi l'edge contre une baseline dé-biaisée. Les jambes brutes publiées en
Cycle 25 sont recalculées à l'identique et **non modifiées**.

| Coin | h | edge brut | edge vs classic dé-biaisée | σ cross-seed | edge/σ | dm_p_median (rec.) | seeds BEATS / BEATEN (rec.) | Verdict hors biais |
|---|---:|---:|---:|---:|---:|---:|:---:|---|
| BTC-USD | 1  |  +7,0 % |  **+1,3 %** |  4,04 pt | **0,3σ** | 1,47e-03 | 3/4 · 0/4 | **INCONCLUSIVE** |
| BTC-USD | 5  | −11,1 % | **−43,5 %** |  9,37 pt | 4,6σ | 6,21e-06 | 0/4 · 4/4 | **NO BEATS** |
| BTC-USD | 10 | −28,3 % | **−99,0 %** | 21,18 pt | 4,7σ | 1,75e-09 | 0/4 · 4/4 | **NO BEATS** |
| ETH-USD | 1  |  +9,6 % |  **+8,7 %** |  2,11 pt | **4,1σ** | 1,14e-05 | 4/4 · 0/4 | **BEATS** |
| ETH-USD | 5  | −17,9 % | **−23,4 %** |  3,85 pt | 6,1σ | 6,16e-04 | 0/4 · 4/4 | **NO BEATS** |
| ETH-USD | 10 | −53,0 % | **−66,2 %** | 14,70 pt | 4,5σ | 4,10e-05 | 0/4 · 4/4 | **NO BEATS** |

**Rapport de biais signé (contrôle §C(7))** — régime / classic, biais² de la baseline en part de son
MSE : BTC −0,1811/−0,2266 (**5,8 %**), −0,2728/−0,3432 (**22,6 %**), −0,3624/−0,4502 (**35,5 %**) ;
ETH −0,0718/−0,0810 (**1,0 %**), −0,1091/−0,1290 (**4,5 %**), −0,1519/−0,1727 (**8,0 %**) — h=1/5/10.
Les deux modèles sous-prévoient le log-RV ; la part de biais de la baseline croît avec l'horizon.

**Lecture — le seul BEATS de M5 survit, et l'échec voisin change de cause.** `ETH h=1` ne perd que
0,9 pt au dé-biaisage (+9,6 → +8,7 %) et satisfait la conjonction §C complète (4/4 seeds sur la jambe
de précision, `dm_p_median` 1,14e-05, **4,1σ ≥ 2σ**) : c'est une vraie réduction de variance, pas la
miscalibration de la baseline. Le contraste avec M15 est net — même instrument, verdict opposé
(`refuted-de-biased` 3/3, #11041). En revanche `BTC h=1` s'effondre de +7,0 % à **+1,3 %** : **~82 %
de son edge apparent était le biais de la HAR BTC**, dont le biais² pèse 5,8 % du MSE. Le verdict brut
disait déjà INCONCLUSIVE mais l'imputait à la graine 7 ; hors biais, l'edge vaut **0,3σ** de la
dispersion cross-seed — l'effet n'existe pas, il n'est pas seulement instable. Enfin, dé-biaiser la
baseline **aggrave** les quatre configs longues (BTC h=10 : −28,3 → −99,0 %) : le biais de la HAR
masquait l'ampleur de la dégradation. La conclusion d'origine « nuisible à h≥5 » est renforcée.

**L'asymétrie BTC/ETH à h=1 appartient à la baseline, pas au modèle.** Même modèle, même instrument :
la HAR BTC porte 5,8 % de biais², la HAR ETH 1,0 % — d'où 82 % de biais dans l'edge BTC contre 9 %
dans l'edge ETH. Toute lecture cross-coin de M5 qui ignore cette colonne compare des baselines de
qualité différente.

**Comparabilité M4/M5 — même objet de baseline.** `hmm_regime_vol.py` et la chaîne
`btc_vol.py → dlinear_vol.py` importent le même `har_model.HARModel` (définition unique). Le biais OOS
BTC mesuré ici est **bit-identique** à `har_bias_oos` de l'artefact #12745 (−0,2265869503892514 /
−0,34317822065868814 / −0,45022101989096786 pour h=1/5/10, 17 chiffres). Ce n'est **pas** une
corroboration indépendante — c'est le même calcul appelé depuis deux harnais — mais cela vérifie le
câblage de l'instrumentation ajoutée ici et rend les edges M4 et M5 directement comparables sur BTC.

**Portée — ce que cette entrée ne couvre PAS** : (1) verdict de **prévision** (MSE log-RV)
uniquement — aucune stratégie de vol-timing dérivée, aucun coût de transaction imputé ; (2) K=2
états seulement (K≥3 non testé) ; (3) le défaut structurel noté en Cycle 25 — la prévision itérative
à h pas utilise un **unique** indicateur de régime pour tous les pas — est inchangé et reste
l'explication la plus plausible de la dégradation aux horizons longs, mais n'est pas isolé
expérimentalement ici ; (4) les séries alignées ne sont pas versionnées (option `--dump-series`,
CSV hors dépôt, 37 040 lignes pour la grille complète).

- **Run** : `python scripts/hmm_regime_vol.py --coins BTC-USD ETH-USD --horizons 1 5 10 --seeds 0 7 42 99 --out results/m5_hmm_regime_debiased/results_full.json --dump-series results/m5_hmm_regime_debiased/series_full.csv` — 331,6 s CPU, 24/24 combinaisons, 5 folds chacune, 30 lignes JSON (24 par seed + 6 agrégats).
- **Vérification** : `MSE = biais² + variance` recalculé par ligne (tolérance 1e-12) ; identité
  `d_brut − d_recentré = biais_a² − biais_b²` vérifiée numériquement (résidu ~1e-17) et scellée en
  test paramétré ; les six verdicts publiés ci-dessous sont rejoués depuis la machine d'états agrégée
  (`_aggregate_debiased_state`), avec contrôles négatifs 3/4 des deux côtés ; 45 tests dans
  `scripts/tests/test_hmm_regime_vol.py`, voisins `test_btc_vol.py` /
  `test_diebold_mariano.py` / `test_har_model.py` / `test_dlinear_debiased_edge.py` verts (57).
- **Verdict §C hors biais** : **1/6 BEATS (ETH h=1, `confirmed`), 1/6 INCONCLUSIVE, 4/6 NO BEATS**.

## M4 DLinear-vol — extension §C ETF (2026-08-23) — Epic #1454

**Verdict §C : NO BEATS.** Première entrée §C **hors BTC**. La question posée était de savoir
si l'edge M4 (BEATS 3/3 sur BTC log-RV, #11036) est spécifique au terrain crypto ou transfère
aux ETF anti-biais. La réponse est **non** : ce qui transfère est la **miscalibration de la
baseline**, pas une capacité prédictive. Une première rédaction de cette entrée concluait
« BEATS 9/9 » sur l'edge brut ; #12684 l'a réfutée et la décomposition ci-dessous, refaite
indépendamment sur les 9 cellules, la confirme.

**Modèle** : DLinear (Zeng et al. AAAI 2023), `seq_len=22 -> horizon`, ~22 params — identique
à l'entrée BTC (#11036). **Univers** : SPY / TLT / GLD daily 2005-01-03 → 2026-08-14
(`datasets/panier/`, 5 438 obs par symbole ; aucun FAANG/Mag7). **Cible** : log-RV quotidien
estimée par **Garman-Klass (1980)** sur OHLC daily (`0.5·ln(H/L)² − (2ln2−1)·ln(C/O)²`).
L'estimateur diffère de la somme horaire du terrain BTC (pas d'intraday ETF sur disque) — la
comparabilité est **interne**, pas cross-terrain. **Baselines** : HAR (Corsi 2009) +
persistence. **DM** : `scripts/dm_test.py`, HAC Newey-West + HLN, `loss_fn="mse"`.
**Protocole** : walk-forward 5-fold expanding, `refit_every=110`, seeds {0,1,7,42},
horizons {1,5,10}. **Compute** : CPU.

### Décomposition biais-variance — la mesure qui tranche

`MSE = biais² + variance`. Le tableau donne les deux edges : celui du MSE total (ce qu'un
DM sur `mse` mesure) et celui de la **variance seule**, c'est-à-dire la précision une fois
les deux prévisionneurs recalés sur leur moyenne.

| Symbole | h | MSE HAR | biais HAR | MSE DL | biais DL | edge brut | **edge hors biais** |
|---|---|---|---|---|---|---|---|
| SPY | 1  | 0,70490 | −0,15614 | 0,67767 | +0,00910 | +3,86 %  | **+0,43 %** |
| SPY | 5  | 0,43526 | −0,23207 | 0,37904 | +0,01425 | +12,92 % | **+0,67 %** |
| SPY | 10 | 0,45129 | −0,30060 | 0,36056 | +0,01683 | +20,10 % | **+0,18 %** |
| TLT | 1  | 0,57879 | −0,19761 | 0,54131 | −0,00425 | +6,47 %  | **−0,29 %** |
| TLT | 5  | 0,27556 | −0,25318 | 0,21095 | −0,00235 | +23,45 % | **+0,24 %** |
| TLT | 10 | 0,27543 | −0,30853 | 0,17967 | −0,00459 | +34,77 % | **+0,33 %** |
| GLD | 1  | 0,72318 | −0,18029 | 0,69440 | +0,02748 | +3,98 %  | **−0,43 %** |
| GLD | 5  | 0,29913 | −0,23270 | 0,24734 | +0,03870 | +17,31 % | **−0,35 %** |
| GLD | 10 | 0,26761 | −0,27958 | 0,19296 | +0,04861 | +27,90 % | **−0,61 %** |

**Moyenne : +16,75 % brut → +0,02 % hors biais. 9 cellules sur 9 sous 1 %, 4 négatives.**
Les variances sont identiques à la 4ᵉ décimale : DLinear n'ajoute **aucune précision**
mesurable. L'edge brut est arithmétiquement le biais² de la baseline — vérification directe,
SPY h=10 : biais² = 0,0904 soit 20,0 % de 0,45129, edge annoncé 20,10 %.

Les DM sont corrects et fortement significatifs (`p` de 1,0e-14 à 1,9e-05 sur ~4 500
prédictions) : ils mesurent fidèlement un écart de MSE **réel**. C'est l'interprétation de cet
écart qui était fausse — un test significatif sur la bonne perte peut porter sur le mauvais
effet.

### Ce que l'entrée établit malgré tout

- **HAR sous-prévoit systématiquement le log-RV**, sur les 3 ETF comme sur BTC, et le biais
  **croît avec l'horizon** (−0,16 à −0,31). C'est un défaut réel de la baseline telle
  qu'implémentée, reproductible sur 4 terrains.
- **DLinear apprend à être non biaisé** (|biais| ≤ 0,049) sans que ce soit un objectif
  explicite. Le modèle est bien calibré ; il ne suit simplement pas mieux la dynamique.
- **La bonne baseline pour la suite est un HAR débiaisé** (correction d'intercept OOS). Toute
  comparaison future de cette famille sur ce terrain doit la prendre comme référence, faute
  de quoi elle re-mesurera le même offset. `dlinear_vol.py` porte déjà `debias` côté modèle
  (l. 203, 242-243, 279-280) et **calcule** `har_bias_oos` (l. 434) sans jamais l'appliquer :
  l'asymétrie est là, elle est corrigeable.
- **Contrepoint M15** : sous la même correction, la décomposition **complète** des 9 cellules
  ETF (SPY/TLT/GLD × h=1/5/10) est **négative 9 fois sur 9** hors biais (jusqu'à −38,6 %),
  y compris la seule qui tenait la conjonction σ+DM (TLT h=5 : +12,3 % brut → −20,2 % hors
  biais). M15 ETF est **NO BEATS définitif**, pas « majoritairement inversé » : la famille
  deep-seq ne bat pas non plus un HAR recalé. Le premier chiffrage (« 3 sur 4 ») portait sur
  un échantillon partiel des cellules ; il est corrigé ici.

### Reproduction

- **Data** : `datasets/panier/{SPY,TLT,GLD}_daily.csv` (2005-2026, 5 438 lignes chacune)
- **Run** : `python -u etf_vol.py --symbols SPY TLT GLD --horizons 1 5 10 --seeds 0 1 7 42 --epochs 100 --refit-every 110 --loss-fn mse --out-json results/m4_dlinear_vol_etf_sc_mse/results.json` (4 328 s)
- **Harnais** : `scripts/etf_vol.py` (réutilise `walk_forward_har`, `walk_forward_dlinear`, `dm_verdict` ; RV GK dans `garman_klass_rv`)
- **Décomposition** : reproductible depuis les checkpoints `bg_logs/etf_vol*.log` (couples
  `HAR MSE`/`bias_OOS` et `DLinear MSE`/`bias` par cellule) — variance = MSE − biais²
- **Suite ouverte** : #12684 (débiaisage de la baseline), #12681 (la ligne de log affiche le
  MSE HAR agrégé quand le verdict porte sur l'aligné)

### M15 LSTM-vol — patch persistance biais + slice 2/2 dé-biaisé symétrique (2026-08-24, issue #12734)

Slice 2/2 du ticket #12734 (slice 1/2 = M4 DLinear-vol, livré via PR #12742). Le ticket note que `m15_lstm_rv.py` ne persistait ni `har_bias_oos` ni les prédictions brutes — le keeper M15 BTC #11041 était donc **invérifiable post-hoc** par la voie symétrique.

**Patch persistance** : `evaluate_one_combo` calcule désormais `har_bias_oos = mean(har_pred - target)` OOS et persiste **les arrays `har_errors`/`lstm_errors`** (même guard `len >= 10 and isfinite`) par combo, pour que `analyze_one_combo` (wrapper `btc_m15.py`) puisse appliquer la décomposition `MSE = biais² + variance` et le DM recentré post-hoc. Rétro-compatible : les anciens champs `sharpe_*`, `mse_*`, `dm_*` sont préservés. Le JSON `results.json` de chaque run M15 porte donc `har_bias_oos` + les erreurs brutes par combo — vérifiable depuis git sans relancer le sweep.

**Wrapper `scripts/btc_m15.py`** : pendant BTC-only de `scripts/btc_vol.py`. Orchestre le run M15 BTC + applique la décomposition `MSE = biais² + variance` et le DM recentré (`loss_fn="mse"` sur erreurs centrees). Helpers `_mse_decomposition` et `_dm_centered_mse` dans le module partage `scripts/bias_metrics.py`, extrait de `btc_vol.py` (issue #14363).

**Section notebook** : section 8 ajoutée à `m15_lstm_rv_sc_validation.ipynb` (méthodologie + commande de run complet + verdict attendu). Markdown-only — la cellule code de lecture du JSON viendra au prochain cycle avec le rerun.

**Run complet** : 3 horizons × 4 seeds = 12 combos, ~50 min/combo (~10h CPU/GPU) — **hors budget cycle worker**. Acceptance #4 du ticket #12734 autorise explicitement ce defer. Commande :

```bash
for h in 1 5 10; do
  for s in 0 1 7 42; do
    python scripts/btc_m15.py --horizon $h --seed $s --refit-every 110 --hidden-size 32
  done
done
```

- **Verdict attendu** : symétrique à M4 (slice 1/2), conjonction §C recentrée `edge ≥ 2σ AND dm_p_median < 0.05`. Lecture : `var_ratio_lstm_over_har_debiased < 1` = LSTM plus précis ; `har_bias_share_of_mse_debiased` < 0.10 = dé-biaisage propre.
- **Statut** : PATCH LIVRÉ, RUN DISPATCHÉ au prochain cycle worker (acceptance #4).

## Ladder #1409 — Final Verdicts (2026-06-12)

Systematic signal-generation ladder, 7 hard disciplines (walk-forward 5-fold expanding,
multi-seed >= 4, anti-FAANG universe, explicit tx costs + 50bps stress, deflated Sharpe,
honest verdict). Full method + results per rung: `docs/L<n>_*.md` + `scripts/results/`.

| Rung | Strategy | Verdict | Key metric | Doc |
|------|----------|---------|------------|-----|
| L1 | TSMOM multi-asset | NO BEATS | net Sharpe -2.26 to -2.56 (costs kill) | `docs/L1_tsmom.md` |
| L2 | Carry + dual momentum | NO BEATS | best CS 252d delta -0.153 | `docs/L2_dual_momentum.md` |
| L3 | Trend long-horizon | NO BEATS | 0/75 signal, median AUC 0.509 | `results/l3_trend_long_horizon/` |
| **L4** | **Decision Transformer (action-based)** | **BEATS** (panel @10bps) | **24/26, median AUC 0.558** ; @50bps INCONCLUSIVE ; holdout temporel 06/08 non reproduit (interne -6.63σ DM p 0.085, frais +19.97σ DM p 0.236) ; **OOT réel 04/09 NO-BEATS** (train gelé 2025-06-30, -5.38σ, DM mse p 0.142, 0/5 seeds) | `docs/L4_decision_transformer.md` |
| L5 | Vol-targeted trend composite | NO BEATS | delta -0.236 vs S4 v2, t=-2.49, DSR 0.074 | `docs/L5_vol_targeted_composite.md` |
| (side) | PatchTST forecast-based (mislabeled "L5" before 2026-06-12) | NO BEATS | 0/26, median AUC 0.501 | `results/l5_patchtst/` |

Conclusion: alpha on this universe comes from learned action policies (L4) — **in cross-section / panel only (@10bps)**; the L4 edge does NOT survive temporal holdout (internal split 06/08: -6.63σ, DM p 0.085) — not trend
overlays or vol conditioning on risk-based allocation. Vol-targeting achieves its 10%
risk target at ~zero Sharpe cost — keep as a *risk* overlay on production candidates
(S3 HMM + S4 v2 Ridge KEEPERS), not as an alpha source.

## Anti-Bias Audit (2026-05-04)

**WARNING: All checkpoints trained on SPY single-asset.** This creates bias toward US equity momentum.
SPY majority class (up days) 2015-2024 = **54.59%**. Most models barely beat this.

These checkpoints are **NOT valid for production** — they serve as baselines for Stage 0.
Future trainings MUST use anti-bias panier (26 symbols, 7 asset classes) per Issue #706.

**Forbidden symbols**: AAPL, MSFT, GOOG, AMZN, NVDA, TSLA, META

## Stage -1: Panier Baselines POST-FIX (2026-05-06)

**Methodology**: Walk-forward 5-fold, advanced features (38 dims), seed=42, train-only normalization.
RF (200 trees, max_depth=8) + XGBoost (200 rounds, max_depth=8) on all 26 panier symbols.

**Result: 18 BEATS, 32 FAILS across 50 experiments.**

| Group | Symbol | RF DirAcc | RF vs Maj | XGB DirAcc | XGB vs Maj | Best Model | Verdict |
|-------|--------|-----------|-----------|------------|------------|------------|---------|
| us_equity_broad | SPY | 0.4972 | -0.0104 | 0.4991 | -0.0085 | None | FAIL |
| us_equity_broad | RSP | 0.5208 | **+0.0075** | 0.5123 | -0.0009 | RF | MIXED |
| us_equity_broad | IWM | 0.5094 | **+0.0047** | 0.5113 | **+0.0066** | XGB | BEATS |
| us_equity_sectors | XLB | 0.5189 | **+0.0085** | 0.5358 | **+0.0255** | XGB | BEATS |
| us_equity_sectors | XLC | 0.4902 | -0.0154 | 0.4958 | -0.0098 | None | FAIL |
| us_equity_sectors | XLF | 0.5113 | -0.0028 | 0.5132 | -0.0009 | None | FAIL |
| us_equity_sectors | XLI | 0.5066 | **+0.0038** | 0.5170 | **+0.0142** | XGB | BEATS |
| us_equity_sectors | XLK | 0.4972 | -0.0321 | 0.5066 | -0.0226 | None | FAIL |
| us_equity_sectors | XLP | 0.5330 | **+0.0047** | 0.5170 | -0.0113 | RF | MIXED |
| us_equity_sectors | XLRE | 0.4816 | -0.0347 | 0.4918 | -0.0245 | None | FAIL |
| us_equity_sectors | XLU | 0.5066 | -0.0057 | 0.4953 | -0.0170 | None | FAIL |
| us_equity_sectors | XLV | 0.5255 | **+0.0085** | 0.5151 | -0.0019 | RF | MIXED |
| us_equity_sectors | XLY | 0.4708 | -0.0632 | 0.5085 | -0.0255 | None | FAIL |
| volatility | VIX | 0.5168 | **+0.0057** | 0.5066 | -0.0045 | RF | MIXED |
| us_bonds | TLT | 0.5274 | -0.0057 | 0.5245 | -0.0085 | None | FAIL |
| us_bonds | IEF | 0.5783 | -0.0311 | 0.5462 | -0.0632 | None | FAIL |
| us_bonds | SHY | 0.8821 | -0.0113 | 0.8877 | -0.0057 | None | FAIL |
| commodities | GLD | 0.5142 | -0.0113 | 0.5038 | -0.0217 | None | FAIL |
| commodities | USO | 0.4802 | -0.0283 | 0.4774 | -0.0311 | None | FAIL |
| commodities | DBA | 0.5151 | -0.0349 | 0.5198 | -0.0302 | None | FAIL |
| international | EFA | 0.5151 | -0.0123 | 0.5198 | -0.0075 | None | FAIL |
| international | EEM | 0.5396 | **+0.0189** | 0.5047 | -0.0160 | RF | MIXED |
| crypto | BTC-USD | 0.5171 | **+0.0171** | 0.5197 | **+0.0197** | XGB | BEATS |
| crypto | ETH-USD | 0.5310 | **+0.0293** | 0.5422 | **+0.0405** | XGB | BEATS |
| crypto | LTC-USD | 0.5203 | **+0.0019** | 0.5273 | **+0.0089** | XGB | BEATS |
| crypto | XRP-USD | 0.5293 | **+0.0267** | 0.5233 | **+0.0207** | RF | BEATS |

Key findings:

- **Crypto dominates**: 7/8 BEATS (all 4 symbols x 2 models, except LTC-USD RF marginal +0.0019).
  Crypto majority class is close to 50%, making prediction viable. ETH-USD XGB +4.05pp = best single edge.
- **XGBoost > RF for crypto**: XGB edges consistently larger (ETH +4.05pp, BTC +1.97pp, LTC +0.89pp).
- **Equity sectors show selective edges**: XLB (+2.55pp XGB), XLI (+1.42pp XGB), but most sectors FAIL.
  XLK (Tech ETF) worst at -3.21pp, reflecting 2015-2024 bull market bias.
- **Bonds are pathological**: SHY 89% majority class (up days) = impossible to beat. TLT/IEF also fail.
- **SPY FAILS**: Confirms single-asset SPY training is dead end (see POST-FIX verdict below).
- **VIX has mild RF edge** (+0.57pp) but XGB fails — volatility regime detection is noisy.

Implication for EPIC #705: **Multi-asset panier baselines confirm the thesis** — ML has genuine predictive
value on crypto (+4.05pp ETH) and selective equity sectors (+2.55pp XLB). SPY/bonds are pathological.
Curriculum should demonstrate ML on crypto/commodities first, then explain why SPY fails.

## POST-FIX Verdict (2026-05-05) — DEFINITIVE

**Methodology**: Deterministic (seed=42), walk-forward, OOS-aware majority baseline (#737),
last-fold checkpoint (#738), RSI Wilder EMA (#736), internal val split from train only (#726/#730).
14 runs across 7 architectures on SPY/BTC/Multi-asset.

| Model | SPY single | BTC single | Multi 4-asset |
| -------- | ---------- | ---------- | ------------- |
| MTGNN | -0.0452 FAILS | -0.0094 FAILS | -0.0116 FAILS |
| LSTM | -0.0186 FAILS | -0.0337 FAILS | n/a |
| Transformer | -0.0497 FAILS | -0.0207 FAILS | n/a |
| PatchTST | -0.1076 FAILS | -0.0030 FAILS | n/a |
| iTransformer | -0.0082 FAILS | -0.0186 FAILS | n/a |
| Mamba | -0.0370 FAILS | -0.0306 FAILS | n/a |
| STGAT | n/a | n/a | -0.0480 FAILS |

**Result: 0 BEATS, 14 FAILS.** No baseline architecture beats the majority predictor under rigorous methodology.

Key findings:

- Pre-fix results (Track A3 below) were **inflated by test-set contamination** — validation early-stopping
  used test_loader directly, creating lookahead bias. PatchTST SPY dropped from -2.10pp to -10.76pp post-fix.
- MTGNN (graph adaptive) previously claimed +0.0005 SPY and +0.0044 multi BEATS — both **non-reproducible**
  after audit fixes (#737 OOS baseline, #738 no cherry-pick, #736 RSI Wilder).
- SPY is pathological (majority 56-58% up days in 2015-2024 bull market). All models learn "predict up"
  and fail when the regime shifts. BTC majority is closer to 50%, but still no edge.
- po-2024 claimed Mamba BTC +3.24pp and PatchTST BTC +1.98pp BEATS — **non-reproducible** on RTX 4090
  with identical hyperparams (d_model=64, batch=16, seed=42). Likely variance from non-determinism or
  thermal throttling on RTX 3070.
- **Implication for EPIC #705**: Current baseline architectures are a dead end on SPY/BTC single-asset.
  Multi-asset panier (Stage 3a, #727) and advanced methods (Stages 5-8: Kronos, Flow Matching,
  FinRL, FinGPT) are the viable path forward.

## Advanced Features (Track A3) — PRE-FIX (INFLATED, superseded by POST-FIX above)

**WARNING**: These results were computed BEFORE contamination fix (#726/#730). Validation early-stopping
used test_loader, inflating direction accuracy. See POST-FIX Verdict above for honest metrics.

Comparison of baseline vs advanced-feature training on SPY 2015-2024.
Majority class baseline: **54.59%** (freq of up days).

| Model | Baseline DirAcc | Advanced DirAcc | vs Majority | Delta | Features |
| ------- | --------------- | --------------- | ----------- | ----- | -------- |
| Transformer (50ep) | 48.72% | **57.95%** | +3.36pp | +9.23pp | 38 (all 13 indicators) |
| Transformer (30ep prod) | 48.72% | **56.43%** | +1.84pp | +7.71pp | 38 (all 13 indicators) |
| LSTM (h=64 prod) | 51.49% | **54.25%** | -0.34pp | +2.76pp | 38 (all 13 indicators) |
| LSTM (h=256) | 51.49% | 50.98% | -3.61pp | -0.51pp | 38 (all 13 indicators) |
| Classification (RF) | 49.66% | **50.86%** | -3.73pp | +1.20pp | 38 (all 13 indicators) |
| DQN | Sharpe 0.89 | Sharpe -0.02 | N/A (in-sample) | -0.91 | 38 (all 13 indicators) |

Key findings (pre-fix):

- Transformer (d=256, h=8, L=6) appeared to beat majority class (+3.36pp) — **this was inflated**.
  POST-FIX reveals -0.0497 FAILS (6.33pp swing).
- LSTM h=64 barely matched majority class (-0.34pp). POST-FIX confirms -0.0186 FAILS.
- RF accuracy (50.86%) was BELOW majority class (-3.73pp). Confirmed no predictive power.
- DQN Sharpe 0.89 was in-sample (no train/test split). Fixed via #729.
- All checkpoints are single-asset (SPY), single-regime (2015-2024 bull market). Not robust.

## Asset Diversity Matters (Cross-Asset Evidence) — PRE-FIX (superseded by POST-FIX)

**Key thesis confirmed (PR #724): Asset selection > model selection.**

**NOTE**: These walk-forward baselines were computed before audit fixes (#737 OOS baseline, #738 last-fold).
The LSTM edges shown below (+3.51pp BTC, +3.68pp TLT) have not been re-validated POST-FIX.
POST-FIX verdict above shows 0 BEATS across all architectures on SPY/BTC deterministic runs.

Cross-asset walk-forward baselines (5-fold, train=500, test=100, gap=10) reveal that
SPY is the *worst* asset for ML training — its 58.7% majority-class frequency (up-day bias
during 2015-2024 bull market) makes it pathological. No model architecture beats this baseline.

| Asset | Best Model | OOS DirAcc | Majority | Edge (pp) | Verdict |
|-------|-----------|------------|----------|-----------|---------|
| BTC-USD | Transformer | 0.5400 | 0.5229 | **+1.71** | Positive edge |
| TLT | Transformer | 0.5533 | 0.5417 | **+1.16** | Positive edge |
| GLD | LSTM | 0.5467 | 0.5200 | **+2.67** | Best single-asset edge |
| EFA | LSTM | 0.5133 | 0.5200 | -0.67 | Near baseline |
| EEM | RF | 0.5200 | 0.5200 | 0.00 | At baseline |
| DBC | LSTM | 0.5067 | 0.5417 | -3.50 | Negative |
| SPY | Transformer | 0.5265 | 0.5873 | **-6.08** | Pathological |

**Implications for curriculum:**
1. Training on SPY alone teaches the wrong lesson — ML appears useless because the asset is too biased.
2. Non-equity assets (BTC, TLT, GLD) show genuine ML edges, validating the approach.
3. Future stages MUST use multi-asset panier (Stage 3a, 19 assets) to demonstrate real ML value.
4. MTGNN (graph neural network) is the only architecture beating baseline even on SPY (+0.05pp),
   suggesting cross-asset graph structure captures signal that single-asset models miss.

**Source**: PR #724 Stage 1 cross-asset walk-forward baselines, ai-01 comparative runs.

## Stage 1: BTC-USD Walk-Forward Baselines (2026-05-05) — PRE-FIX (superseded)

Anti-bias training on BTC-USD 2015-2025 (3653 daily rows, 3594 after feature engineering).
Walk-forward: 5 folds, train=500, test=100, gap=10. BTC majority class (up days) = **55.10%**.

| Model | OOS DirAcc | vs Majority | n_folds | Architecture | Checkpoint |
| ----- | ---------- | ----------- | ------- | ------------ | ---------- |
| LSTM | **54.60%** | **+3.51pp** | 5 | h=64, L=2, ep=30 | 20260505_012529 |
| Transformer | 51.00% | -0.09pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_012554 |
| RF (200 trees) | 49.40% | +0.15pp | 5 | max_depth=8, 19 features | 20260505_012321 |
| DQN | PENDING | PENDING | 3 | h=128, ep=50, w=20 | training |

Key findings:

- LSTM is the only model with meaningful edge (+3.51pp over majority class).
- Transformer at d=64/h=4/L=2 is too small for BTC-USD patterns (previous SPY BEST used d=256/h=8/L=6).
- RF barely matches random — no feature-based signal in BTC daily returns.
- BTC-USD majority class (55.1%) is higher than SPY (54.6%) — crypto has more up days in this period.

## Stage 1: Cross-Asset Walk-Forward Baselines (2026-05-05) — PRE-FIX (superseded)

Anti-bias training on 6 non-FAANG assets (GLD, TLT, EEM, EFA, DBC + BTC-USD).
Walk-forward: 5 folds, train=500, test=100, gap=10. All models use advanced features (38 dims).

| Asset | Model | OOS DirAcc | vs Majority | n_folds | Architecture | Checkpoint |
| ----- | ----- | ---------- | ----------- | ------- | ------------ | ---------- |
| BTC-USD | LSTM | **54.60%** | **+3.51pp** | 5 | h=64, L=2, ep=30 | 20260505_012529 |
| BTC-USD | Transformer | 51.00% | -0.09pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_012554 |
| BTC-USD | RF (200 trees) | 49.40% | +0.15pp | 5 | max_depth=8, 19 features | 20260505_012321 |
| BTC-USD | DQN | 0.00% | -51.14pp | 3 | h=256, ep=100, w=20 | 20260505_021359 |
| GLD | LSTM | **53.80%** | +0.84pp | 5 | h=64, L=2, ep=30 | 20260505_013925 |
| GLD | RF (200 trees) | 53.00% | +1.09pp | 5 | max_depth=8, 38 features | 20260505_010142 |
| GLD | Transformer | 53.80% | +1.19pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_015628 |
| TLT | LSTM | **52.20%** | **+3.68pp** | 5 | h=64, L=2, ep=30 | 20260505_015143 |
| TLT | RF (200 trees) | 48.20% | -5.91pp | 5 | max_depth=8, 38 features | 20260505_010023 |
| TLT | Transformer | 51.20% | +2.68pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_015903 |
| EEM | LSTM | 50.60% | -0.96pp | 5 | h=64, L=2, ep=30 | 20260505_010203 |
| EEM | RF (200 trees) | 51.80% | -0.68pp | 5 | max_depth=8, 38 features | 20260505_010023 |
| EEM | Transformer | 47.20% | -4.11pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_020058 |
| EFA | LSTM | 52.20% | -0.50pp | 5 | h=64, L=2, ep=30 | 20260505_020022 |
| EFA | RF (200 trees) | 50.00% | -2.46pp | 5 | max_depth=8, 38 features | 20260505_015821 |
| EFA | Transformer | 50.40% | -2.55pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_021553 |
| DBC | LSTM | **55.80%** | +0.49pp | 5 | h=64, L=2, ep=30 | 20260505_020144 |
| DBC | RF (200 trees) | 49.60% | +2.40pp | 5 | max_depth=8, 38 features | 20260505_015829 |
| DBC | Transformer | 51.80% | -2.48pp | 5 | d=64, h=4, L=2, ep=30 | 20260505_021816 |

Majority class baselines: BTC-USD=55.10%, GLD=53.04%, TLT=48.09%, EEM=52.44%, EFA=52.46%, DBC=47.20%.

Key findings:

- **LSTM is the best model across 4/6 assets** — consistent edge on BTC (+3.51pp), TLT (+3.68pp), GLD (+0.84pp), DBC (+0.49pp).
- **TLT (bonds) is the most predictable asset** — LSTM +3.68pp, Transformer +2.68pp. Bonds have clearer momentum regimes.
- **Transformer (d=64) underperforms** on equities (EEM -4.11pp) and BTC (-0.09pp), but works on bonds/commodities.
- **RF has no reliable edge** — mixed results across all assets, never the best model.
- **EEM is the hardest asset** — all models struggle, LSTM -0.96pp, Transformer -4.11pp.
- **DBC (commodities) LSTM = best absolute DirAcc** at 55.80%, but majority class is already low (47.20%).
- **DQN completely fails OOS** — 0.00% DirAcc on BTC-USD. All 3 folds have negative OOS reward. The agent overfits training episodes (avg reward 4.7-6.4 in-sample) but produces zero actionable signals out-of-sample. RL approach needs fundamental redesign for this problem.

## Walk-Forward OOS Evaluation (Track B)

Evaluation harness: `scripts/eval_existing_checkpoints.py`
Method: 5-fold walk-forward (3yr train, 1yr test, 5-day gap), per-regime, transaction costs.

| Model | Checkpoint | OOS DirAcc | vs Majority | Regime Avg DirAcc | Gross Sharpe | Net Sharpe | Cost Drag (bps) |
| ----- | ---------- | ---------- | ----------- | ----------------- | ------------ | ---------- | --------------- |
| Transformer | 20260501_134056 (BEST) | PENDING | PENDING | PENDING | PENDING | PENDING | PENDING |
| Transformer | 20260503_222904 (PROD) | PENDING | PENDING | PENDING | PENDING | PENDING | PENDING |
| LSTM | 20260503_221944 (PROD) | PENDING | PENDING | PENDING | PENDING | PENDING | PENDING |
| LSTM | 20260501_133929 | PENDING | PENDING | PENDING | PENDING | PENDING | PENDING |
| RF | 20260501_133837 | PENDING | PENDING | PENDING | PENDING | PENDING | PENDING |
| DQN | 20260501_120415 | PENDING | PENDING | PENDING | PENDING | PENDING | PENDING |

**Status**: Evaluation harness ready (27/27 tests pass). OOS metrics to be populated after GPU evaluation run.
SPY majority class baseline = **54.59%**. Values will be populated by `python eval_existing_checkpoints.py --all`.

## Data Sources

| Dataset | Path | Coverage | Status |
| ------- | ---- | -------- | ------ |
| SPY daily | `datasets/yfinance/SPY_2015-01-01_2026-05-01.csv` | 2015-2026 | Used by all checkpoints |
| BTC/USD 1h stitched | `datasets/crypto/BTC_USD_1h_stitched.csv` | 2011-2024 | Available for Stage 1+ |
| Panier anti-bias | `datasets/panier/` (26 symbols) | 2015-2026 | Available for Stage 0+ |
| Forex FXCM/Oanda | `datasets/forex/` (10 pairs) | 2002-2025 | Available for Stage 1+ |

## ARCHIVED — Legacy SPY-single checkpoints (2026-06-12)

The 20 checkpoints below (dqn / lstm / rf / transformer, all `[SPY-ONLY]`) are **ARCHIVED /
OBSOLETE** per #1409 cleanup. POST-FIX verdict above (0 BEATS, 14 FAILS) plus the anti-bias
audit (SPY pathological, majority 54.6-58.7% up days) make them invalid as baselines and
forbidden as production models. They are retained on disk under `checkpoints/` for forensic
reproducibility only — do NOT load them for new work. Valid starting points are the
Curriculum V2 KEEPERS (M12, M15, S3, S4 v2 — see README) and the L4 Decision Transformer.

## dqn [ARCHIVED]

Checkpoints: 5

**WARNING**: All DQN checkpoints below trained WITHOUT train/test split (Issue #703).
Sharpe estimates are in-sample only, NOT reliable out-of-sample metrics.
Marked `[INVALID-NO-SPLIT]` until re-trained with `--test-ratio 0.2`.

### 20260501_120415 [INVALID-NO-SPLIT] [BASELINE] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: best_avg_reward_10=2.2865, max_reward=3.0876, mean_reward=1.0177, mean_trades=749.3, min_reward=-1.8051, sharpe_estimate=0.8921
- Architecture: hidden_size=256, n_actions=3, state_size=242
- Config: device=cuda, hidden_size=256, num_episodes=50, symbol=SPY
- Files: metadata.json, model.pt

### 20260501_142319 [INVALID-NO-SPLIT] [ADVANCED-FEATURES] [SPY-ONLY]

- Data hash: `4ec8b44b93f4024f`
- Metrics: best_avg_reward_10=0.3888, max_reward=1.8077, mean_reward=-0.0138, mean_trades=782.5, min_reward=-1.2372, sharpe_estimate=-0.0171
- Architecture: hidden_size=256, n_actions=3, state_size=762
- Config: device=cuda, hidden_size=256, num_episodes=20, symbol=SPY, advanced=true
- Files: metadata.json, model.pt

### 20260501_140955 [INVALID-NO-SPLIT] [SPY-ONLY]

- Data hash: `4ec8b44b93f4024f`
- Metrics: best_avg_reward_10=-0.4572, max_reward=-0.0334, mean_reward=-0.4572, mean_trades=759.3, min_reward=-0.836, sharpe_estimate=-1.6905
- Architecture: hidden_size=128, n_actions=3, state_size=762
- Config: device=cuda, hidden_size=128, num_episodes=10, symbol=SPY, advanced=true
- Files: metadata.json, model.pt

### 20260501_112641 [INVALID-NO-SPLIT] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: best_avg_reward_10=-0.1559, max_reward=0.9312, mean_reward=-0.5358, mean_trades=739.6, min_reward=-1.5861, sharpe_estimate=-0.8096
- Architecture: hidden_size=32, n_actions=3, state_size=242
- Config: device=cpu, hidden_size=32, num_episodes=20, symbol=SPY
- Files: metadata.json, model.pt

### 20260501_111005 [INVALID-NO-SPLIT] [SPY-ONLY]

- Data hash: `synthetic-dryrun`
- Metrics: best_avg_reward_10=-0.0017, max_reward=0.1665, mean_reward=-0.0017, mean_trades=44.1, min_reward=-0.2395, sharpe_estimate=-0.0134
- Architecture: hidden_size=256, n_actions=3, state_size=242
- Config: device=cpu, hidden_size=256, num_episodes=10, symbol=SPY
- Files: metadata.json, model.pt

## lstm [ARCHIVED]

Checkpoints: 5

### 20260503_221944 [OK] [SPY-ONLY] [ADVANCED-FEATURES] [PRODUCTION]

- Data hash: `4ec8b44b93f4024f`
- Metrics: direction_accuracy=0.5425, direction_accuracy_significant=0.5506, epochs_trained=50, mae=0.005944, mse=6.2e-05
- Architecture: hidden_size=64, input_size=38, num_layers=2
- Config: device=cuda, epochs=50, hidden_size=64, num_layers=2, symbol=SPY, advanced=true
- Files: metadata.json, model.pt

### 20260501_133929 [OK] [SPY-ONLY] [ADVANCED-FEATURES]

- Data hash: `4ec8b44b93f4024f`
- Metrics: direction_accuracy=0.5098, direction_accuracy_significant=0.503, epochs_trained=50, mae=0.005954, mse=6.2e-05
- Architecture: hidden_size=256, input_size=38, num_layers=3
- Config: device=cuda, epochs=50, hidden_size=256, num_layers=3, symbol=SPY, advanced=true
- Files: metadata.json, model.pt

### 20260501_113924 [OK] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: best_val_loss=0.000144, direction_accuracy=0.4848, direction_accuracy_significant=0.4957, epochs_trained=30, mae=0.008986, mse=0.000147
- Architecture: hidden_size=256, input_size=15, num_layers=3
- Config: device=cuda, epochs=30, hidden_size=256, num_layers=3, symbol=SPY
- Files: metadata.json, model.pt

### 20260501_111103 [OK] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: best_val_loss=0.00015, direction_accuracy=0.5149, direction_accuracy_significant=0.5014, epochs_trained=5, mae=0.009063, mse=0.000153
- Architecture: hidden_size=64, input_size=15, num_layers=1
- Config: device=cpu, epochs=5, hidden_size=64, num_layers=1, symbol=SPY
- Files: metadata.json, model.pt

### 20260501_110937 [OK] [SPY-ONLY]

- Data hash: `synthetic-dryrun`
- Metrics: best_val_loss=0.000261, direction_accuracy=0.5, direction_accuracy_significant=0.5139, epochs_trained=2, mae=0.013328, mse=0.000265
- Architecture: hidden_size=128, input_size=15, num_layers=2
- Config: device=cpu, epochs=2, hidden_size=128, num_layers=2, symbol=SPY
- Files: metadata.json, model.pt

## rf [ARCHIVED]

Checkpoints: 5

### 20260501_133837 [OK] [SPY-ONLY] [ADVANCED-FEATURES]

- Data hash: `4ec8b44b93f4024f`
- Metrics: accuracy=0.5086, f1=0.5031, precision=0.5077, recall=0.5086, test_samples=464, train_samples=1852
- Config: model_type=rf, n_estimators=500, max_depth=10, symbol=SPY, advanced=true
- Files: metadata.json, model.joblib

### 20260501_113900 [OK] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: accuracy=0.4966, f1=0.4958, precision=0.505, recall=0.4966, test_samples=441, train_samples=1764
- Config: symbol=SPY
- Files: metadata.json, model.joblib

### 20260501_111041 [OK] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: accuracy=0.4966, f1=0.4958, precision=0.505, recall=0.4966, test_samples=441, train_samples=1764
- Config: symbol=SPY
- Files: metadata.json, model.joblib

### 20260501_111026 [OK] [SPY-ONLY]

- Data hash: `synthetic-dryrun`
- Metrics: accuracy=0.3933, f1=0.3951, precision=0.4033, recall=0.3933, test_samples=89, train_samples=352
- Config: symbol=SPY
- Files: metadata.json, model.joblib

### 20260501_110930 [OK] [SPY-ONLY]

- Data hash: `synthetic-dryrun`
- Metrics: accuracy=0.3933, f1=0.3951, precision=0.4033, recall=0.3933, test_samples=89, train_samples=352
- Config: symbol=SPY
- Files: metadata.json, model.joblib

## transformer [ARCHIVED]

Checkpoints: 5

### 20260501_134056 [OK] [SPY-ONLY] [ADVANCED-FEATURES] [BEST]

- Data hash: `4ec8b44b93f4024f`
- Metrics: direction_accuracy=0.5795, direction_accuracy_significant=0.5804, epochs_trained=50, mae=0.005895, mse=6.1e-05, total_params=3189633
- Architecture: d_model=256, input_size=38, nhead=8, num_layers=6
- Config: device=cuda, d_model=256, epochs=50, nhead=8, num_layers=6, symbol=SPY, advanced=true
- Files: metadata.json, model.pt

### 20260503_222904 [OK] [SPY-ONLY] [ADVANCED-FEATURES] [PRODUCTION]

- Data hash: `4ec8b44b93f4024f`
- Metrics: direction_accuracy=0.5643, direction_accuracy_significant=0.5595, epochs_trained=30, mae=0.005932, mse=6.1e-05, total_params=3189633
- Architecture: d_model=256, input_size=38, nhead=8, num_layers=6
- Config: device=cuda, d_model=256, epochs=30, nhead=8, num_layers=6, symbol=SPY, advanced=true
- Files: metadata.json, model.pt

### 20260501_113923 [OK] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: best_val_loss=7.3e-05, direction_accuracy=0.4872, direction_accuracy_significant=0.5071, epochs_trained=30, mae=0.009084, mse=0.000149
- Architecture: d_model=128, input_size=17, nhead=8, num_layers=4
- Config: d_model=128, device=cuda, epochs=30, nhead=8, num_layers=4, symbol=SPY
- Files: metadata.json, model.pt

### 20260501_111130 [OK] [SPY-ONLY]

- Data hash: `17cb43b404e3ddf1`
- Metrics: best_val_loss=9.9e-05, direction_accuracy=0.4714, direction_accuracy_significant=0.468, epochs_trained=5, mae=0.011033, mse=0.0002
- Architecture: d_model=64, input_size=17, nhead=4, num_layers=2
- Config: d_model=64, device=cpu, epochs=5, nhead=4, num_layers=2, symbol=SPY
- Files: metadata.json, model.pt

### 20260501_110947 [OK] [SPY-ONLY]

- Data hash: `synthetic-dryrun`
- Metrics: best_val_loss=0.000252, direction_accuracy=0.4762, direction_accuracy_significant=0.4722, epochs_trained=2, mae=0.018693, mse=0.000542
- Architecture: d_model=128, input_size=17, nhead=4, num_layers=4
- Config: d_model=128, device=cpu, epochs=2, nhead=4, num_layers=4, symbol=SPY
- Files: metadata.json, model.pt