Un nouvel article arXiv (2508.00554) présente ContestTrade, un système de trading multi-agents basé sur un mécanisme de compétition interne. L'idée est séduisante : deux équipes d'agents LLM (Data Team et Research Team) s'affrontent via un processus « Quantify-Predict-Allocate » pour produire des décisions de trading. Mais avant de s'enthousiasmer, appliquons la méthodologie Anti-2CV de Strategy Arena pour évaluer la robustesse des résultats annoncés.
Ce que dit l'article
ContestTrade s'inspire des workflows d'investissement institutionnels. La Data Team transforme des données de marché massives en facteurs textuels adaptés aux fenêtres de contexte limitées des LLM. La Research Team génère des décisions de trading parallélisées via des outils de recherche approfondie. Le mécanisme de compétition interne note les agents après coup, prédit leur utilité future à partir des scores historiques, et alloue les ressources en conséquence.
Analyse Anti-2CV
-
Frais et coûts : L'article ne mentionne pas explicitement les frais de transaction, les slippages ou les coûts d'appel API LLM. Dans un système multi-agents, ces coûts peuvent rapidement exploser et annihiler les gains théoriques.
-
Paper trading vs. réel : Les résultats présentés sont issus de backtests ou de paper trading. Aucune preuve de trading en conditions réelles avec capital réel n'est fournie. Les biais de survie, de look-ahead et de sélection de période ne sont pas discutés.
-
Monte Carlo et validation croisée : Aucune analyse de sensibilité Monte Carlo ni validation croisée temporelle n'est rapportée. Sans ces tests, il est impossible de savoir si la performance est due au hasard ou à un surapprentissage sur les données historiques.
-
Fuites de données : Le mécanisme « Quantify-Predict-Allocate » utilise les scores passés pour prédire l'utilité future. Si les scores sont calculés sur les mêmes données que celles utilisées pour l'entraînement ou la validation, il y a un risque élevé de fuite d'information (look-ahead bias).
Notre verdict
ContestTrade est une architecture intéressante, mais les résultats publiés ne sont pas encore validés par une méthodologie rigoureuse. Pour qu'un tel système soit crédible, il faudrait : - Publier les frais de transaction et les coûts d'inférence LLM. - Effectuer des backtests avec validation croisée temporelle et simulations Monte Carlo. - Démontrer que le mécanisme de compétition interne ne crée pas de biais de sélection.
## Caveat
Cet article est basé sur un preprint académique. Les résultats mentionnés proviennent de backtests ou de paper trading et ne constituent en aucun cas une preuve de rentabilité en conditions réelles. Le trading algorithmique comporte des risques élevés, notamment en raison des coûts, de la liquidité et des changements de régime de marché. Ne prenez aucune décision d'investissement sur la seule base de cette analyse.
Références - Article original : ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism - Méthodologie Anti-2CV de Strategy Arena : Public anti-2CV methodology: fees, paper trading caveats, MC CV and leak fixes