Dans cette vidéo, nous expliquons comment utiliser Weights & Biases pour améliorer la fiabilité, la reproductibilité et l'explicabilité dans la recherche quantitative à grande échelle, pilotée par des agents.
*Nous couvrons deux cas d'utilisation clés :*
*1. Recherche alpha avec backtesting*
Apprenez à construire, déboguer et itérer sur un système multi-agents pour l'analyse de marché. Un événement de marché est acheminé à travers un classificateur vers des agents spécialisés (macro, historique, sentiment et quant), chacun effectuant des appels d'outils pour recueillir des données en temps réel. Un agent de synthèse génère ensuite une prévision probabiliste. Vous apprendrez à utiliser W&B Weave pour inspecter les traces des agents, y compris les appels d'outils, la latence, le coût et les résultats, et à examiner les prédictions à faible confiance pour identifier les causes profondes et améliorer le comportement des agents.
*2. Test de stratégie*
Découvrez comment aller au-delà du réglage manuel avec une boucle d'optimisation automatisée. Vous verrez comment exécuter plusieurs essais avec différentes configurations de poids d'agents et utiliser un méta-optimiseur pour minimiser itérativement des métriques comme le score de Brier. Vous apprendrez également à suivre la convergence et la performance à l'aide de W&B Models. Avec l'outil de visualisation dans W&B Models, vous pouvez facilement explorer comment les configurations de poids impactent les résultats à l'aide de graphiques de coordonnées parallèles. W&B Weave et Models sont entièrement intégrés, vous offrant une traçabilité complète pour la recherche, la validation et la conformité.
Weights & Biases permet une visibilité de bout en bout à travers vos flux de travail de recherche quantitative, vous permettant de passer de l'hypothèse au back-testing et à la reproductibilité conforme tout en optimisant les stratégies à grande échelle.
*Chapitres :*
00:00 Introduction
00:35 Aperçu des cas d'utilisation
00:50 Architecture de pipeline pilotée par des événements
01:38 Démonstration de l'interface utilisateur de Weights & Biases
02:18 Débogage de la sortie du modèle
03:44 Correction du modèle et prévision améliorée
04:26 Évaluation à grande échelle
05:07 Comparaison des performances du modèle
06:23 Boucle d'optimisation automatisée
08:00 Insights de l'optimisation