Recherche développeur

Projet : IA de tri intelligent de courbes de performance

Objectif :
Automatiser l’analyse et le tri de milliers de courbes de performance issues de backtests boursiers afin d’identifier les stratégies les plus stables et rentables sur le long terme.

Contexte :
Je dispose déjà d’un trieur développé en Python qui utilise plusieurs métriques mathématiques (drawdown, pente, ratio gain/perte, volatilité, etc.) pour classer les courbes.
Ce système fonctionne, mais reste limité par des règles fixes : il ne capture pas toujours la "forme idéale" d’une courbe (linéarité, progressivité, stabilité sur 17 ans de données).
Je souhaite donc aller plus loin en intégrant une couche d’intelligence artificielle capable d’apprendre à reconnaître automatiquement les “belles courbes” sans repasser par un tri manuel.

Objectif technique :
Développer une IA (ou modèle de scoring hybride) capable de :

Charger automatiquement les fichiers CSV/Parquet générés par mes backtests.

Extraire ou recevoir les métriques déjà calculées par mon trieur.

Apprendre à reconnaître les courbes performantes et stables (machine learning supervisé ou non supervisé).

Générer un classement ou une sélection automatique des meilleures courbes.

(Optionnel) Produire un rapport visuel avec les courbes retenues.

Technos utilisées / envisagées :

Python (Pandas, NumPy, TensorFlow, PyTorch, Scikit-learn, cuDF, CuPy)

Données financières sur 17 ans, des centaines de millions de combinaisons testées

GPU compatible CUDA déjà disponible

Profil recherché :
Développeur ou ingénieur IA/Data expérimenté en analyse de séries temporelles financières ou machine learning appliqué à la performance de stratégies de trading.
Le but est de rendre le tri entièrement autonome, précis et scalable.