quantbench

QuantBench — banc d’essai de valorisation honnête

Valorisation intrinsèque probabiliste (DCF FCFF multi-phase à la Damodaran + Monte Carlo) sur données réelles gratuites (SEC EDGAR, FRED, marché), plus un volet court terme (mean-reversion + régimes) avec évaluation anti-surajustement (Deflated Sharpe + PBO).

Inspiré de la discipline du fonds Medallion de Jim Simons : ne pas produire une fausse précision, mais mesurer honnêtement l’incertitude — et refuser de rationaliser le prix du marché quand les hypothèses ne le justifient pas.

⚠️ Outil de recherche éducatif — ceci n’est pas un conseil d’investissement.

Aperçu

Deux interfaces web (design commun, thèmes clair/sombre, chiffres monospace) :

• Page ticker — verdict (valeur médiane vs cours, upside, probabilité de sous-valorisation), distribution Monte Carlo interactive (SVG), hypothèses tracées, trajectoires projetées, et une barre de recherche qui valorise n’importe quel titre en direct via l’API.
• Screener NASDAQ — tableau triable de dizaines de titres classés par upside, avec fourchette de valeur, probabilité de sous-valorisation, croissance, marge et ROIC ; résultats implausibles (splits, données aberrantes) isolés au lieu d’être classés en tête.

Captures d’écran : lancez l’app (voir ci-dessous), ouvrez http://localhost:8000, et déposez vos images dans docs/ — elles s’afficheront ici.

Résultats d’exemple

Screener NASDAQ (cas de base conservateur, données du dernier exercice déposé) — extrait trié par valeur :

Titre	Upside médian	P(sous-val.)	Lecture
PYPL	+20 %	88 %	sous-valorisé selon la base
ADBE	+19 %	89 %	sous-valorisé
NVDA	−5 %	43 %	~juste valeur (croissance +45 % calibrée)
META	−1 %	47 %	~juste valeur
AAPL	−67 %	0 %	richement valorisé vs historique

Volet court terme sur BTC-USD (72 configurations mean-reversion balayées) :

Meilleur Sharpe brut : +0.31   |   PSR naïf : 75 %
Deflated Sharpe : 30 %   ·   PBO : 70 %   →   PROBABLE ARTEFACT DU DATA-SNOOPING

Structure

quantbench/
  valuation/   dcf.py (moteur FCFF, numpy) + montecarlo.py (copule gaussienne)
  data/        edgar.py (SEC XBRL) + market.py (prix/bêta/taux/splits) + build.py
  eval/        deflated_sharpe.py (DSR/PSR/MinTRL) + pbo.py (CSCV)
  backtest/    engine.py (délai 1 barre + coûts, sans look-ahead)
  shortterm/   signals.py (mean-reversion + Ornstein-Uhlenbeck) + regime.py (GMM)
  service.py   payload complet d'un ticker (CLI + API)
  api/app.py   FastAPI : /api/value/{ticker}, /api/screener + pages statiques
app/           index.html (page ticker) + screener.html + data.json/screener.json
scripts/       value_ticker.py · batch_screener.py · shortterm_demo.py · demo_valuation.py
tests/         18 tests (pytest)

Installation & lancement

pip install -r requirements.txt

Configurez (optionnel) le contact du User-Agent SEC :

export QUANTBENCH_SEC_UA="Votre Nom votre.email@example.com"

Valoriser un titre (écrit app/data.json) :

python scripts/value_ticker.py MSFT

Screener d’un univers (écrit app/screener.json) :

python scripts/batch_screener.py

Site live (API + pages) :

uvicorn quantbench.api.app:app --reload --port 8000
# http://localhost:8000  (ticker)  ·  /screener.html  (NASDAQ)  ·  /api/value/NVDA

Volet court terme (banc d’essai honnête, anti-overfitting) :

python scripts/shortterm_demo.py BTC-USD

Tests :

python -m pytest tests/ -q      # 18 tests (DCF + eval + backtest)

Méthode & limites

• Croissance calibrée sur l’historique récent (mélange dernier YoY / CAGR 3 ans / CAGR complet, bornée).
• Réinvestissement lié au ROIC déclinant (mode Damodaran), pas seulement au ratio ventes/capital.
• ERP implicite fixe (~4,5 %), pas le rendement passé du marché (biais rétrospectif corrigé).
• Splits corrigés via les événements de fractionnement (actions du 10-K × facteur).
• Honnêteté : le cas de base est conservateur ; le Deflated Sharpe et le PBO mesurent le risque de surajustement au lieu de le masquer.
• Univers limité aux grandes capitalisations non-financières (le DCF FCFF ne convient ni aux banques/assureurs ni aux sociétés déficitaires).

Licence

MIT © 2026 Samuel Lachance. Outil de recherche éducatif, sans conseil d’investissement.

This site is open source. Improve this page.