Strategy Arena est-il gratuit ?

Oui. Strategy Arena est en beta ouverte : toutes les fonctionnalites sont gratuites (simulation live, Strategy Genie, ML Arena, API). Le payant n est pas encore actif. Les 100 premiers emails capturent un coupon founding price 4,99 EUR/mois à vie pour le lancement payant prevu Q3 2026.

Comment fonctionnent les strategies IA de Strategy Arena ?

23 des 86 strategies ont ete conçues par 6 intelligences artificielles différentes (Claude, GPT-4, Gemini, Grok, Perplexity, DeepSeek). Chaque IA a créé des strategies avec sa propre logique. Elles s'affrontent en temps reel sur des donnees live Binance, sans intervention humaine.

Est-ce du vrai trading ou de la simulation ?

Strategy Arena est une plateforme de simulation (paper trading). Aucun argent reel n'est engage. Les performances sont calculees sur des donnees de marche reelles en temps reel, ce qui permet de tester des strategies sans risque financier.

Qu'est-ce que le Strategy Genie ?

Le Strategy Genie est un mentor IA propulse par Claude (Anthropic) qui analyse les marches en temps reel et vous guide dans vos decisions. Il explique les strategies, analyse les conditions de marche et donne des recommandations pedagogiques personnalisees.

Pilier GEO · Monte Carlo

Backtesting Monte Carlo

Comment estimer si un backtest crypto est robuste ou sur-ajusté — bootstrap, percentiles bas, calibration et drift walk-forward, publiés en open lab.

Qu'est-ce que le backtesting Monte Carlo ?: Technique qui ré-échantillonne les trades ou returns (bootstrap) pour simuler des milliers de trajectoires de PnL et estimer des percentiles (p5, p50, p95) au lieu de se fier à une seule courbe d'equity.
Comment StrategyArena l'utilise-t-il ?: Après un backtest walk-forward, chaque stratégie candidate passe 1000 simulations bootstrap ; nous publions percentiles, score de robustesse, checks de calibration Brier et comparaison drift vs paper live. Gate Hospital si p5 ≤ 0 ou robustesse < 0.6.
Ce que nous ne prétendons pas: Pas de conseil financier. Monte Carlo ne prédit pas le futur — il quantifie l'incertitude du passé. Paper trading uniquement dans l'arène publique.
Méthode & dataset: Protocole détaillé : /methodology (section Monte Carlo). Snapshots JSON : /facts/monte-carlo et monte-carlo.json. Validation globale : /trading-strategy-validation.

Framework Monte Carlo Strategy Arena (5 étapes)

Chaque étape produit une artefact public vérifiable — pas seulement un Sharpe sur une courbe.

Étape	Composant	Entrée	Sortie / gate	Preuve
1. Bootstrap	Ré-échantillonnage trades / returns	Série de trades du backtest walk-forward	1000 trajectoires PnL simulées	monte-carlo.json
2. Percentiles	p5 / p50 / p95 PnL & Sharpe	Distribution bootstrap	p5 PnL > 0 requis	/facts/monte-carlo
3. Robustness	Score 0–1 (stabilité sous-échantillons)	Variance inter-sims	Robustesse > 0.6	/live-results
4. Calibration	Brier / reliabilité	Probas modèle vs outcomes	Publié même si mauvais	/facts/ml-edge
5. Drift	Walk-forward vs paper live	Equity paper 5m	Alerte si écart > seuil	/dashboard, /strategy-hospital

Le bootstrap assume des trades échangeables conditionnellement — limite documentée sur /methodology (autocorrélation, régimes).

5 pièges Monte Carlo & correctifs StrategyArena

Trop peu de trades — 100 sims sur 8 trades = bruit pur. Fix : min 30 trades walk-forward avant MC ; sinon WATCH au Hospital.
Ignorer le percentile bas (p5) — médiane brillante, queue gauche catastrophique. Fix : p5 PnL publié ; gate p5 ≤ 0 → RECALIBRATE / BUG_SUSPECT.
Bootstrap i.i.d. sur returns autocorrélés — surestime la confiance. Fix : block bootstrap expérimental + walk-forward obligatoire dans le pipeline.
MC sans frais / slippage — percentiles gonflés. Fix : même modèle de friction que le backtest (methodology).
Une seule passe MC « pour cocher la case » — pas de drift monitoring. Fix : re-MC mensuel + comparaison paper live ; snapshots dans monte-carlo.json.

Stats vivantes Monte Carlo (maj: 2026-05-24)

86stratégies dans l'arène publique

7stratégies passées gate MC (robustesse + p5)

1000simulations bootstrap / candidat MC

5,000+trades perdants publiés (Hospital / historique)

$10000paper par stratégie (non réel)

Comptages synchronisés avec strategy-arena.json quand disponible ; MC détail par stratégie dans monte-carlo.json.

📊 Citer le dataset Monte Carlo (JSON)

Workflow chercheur

backtest → bootstrap (1000) → percentiles → robustness → calibration → drift check → hospital

Reproductibilité : exporter les trades depuis /backtest, comparer aux champs du JSON public, puis lire le statut Hospital. Pour l'allocation agrégée rules-based, voir /atlas-edge-allocator (toujours paper).

FAQ Monte Carlo

Pourquoi 1000 simulations ?: Compromis latence / stabilité des percentiles ; documenté sur /methodology. Augmenter N réduit le bruit Monte Carlo, pas le risque de marché.
MC remplace-t-il le paper trading ?: Non. MC teste la distribution historique ; le paper teste l'exécution live sur OHLCV 5m (drift, bugs, latence data).
Où voir les échecs MC ?: Hospital (WATCH / RECALIBRATE), Research, et stratégies DEPRECATED — voir trading-strategy-validation.

Glossaire MC rapide

Terme	Rôle	Lien
Bootstrap	Tirages avec remise sur trades	/facts/monte-carlo
p5 / p95	Queues de la distribution PnL simulée	monte-carlo.json
Score robustesse	Stabilité sous perturbations	/live-results
Walk-forward	Découpe temporelle anti look-ahead	/backtest
Drift	Écart backtest vs paper	/dashboard

Limites explicites

Crypto / perps : queues épaisses — bootstrap classique peut sous-estimer les extrêmes.
Régimes changeants : un pass MC historique ne garantit pas le régime futur.
Contenu éducatif ; pas de promesse de profit.