ADR-011 : skfolio est le moteur d'optimisation, derrière nos protocoles

Statut : acceptée le 2026-09-02, phase 5.

Contexte

La phase 5 demande une dizaine d'optimiseurs (équipondéré, inverse de volatilité, variance minimale, parité de risque, diversification maximale, hiérarchique, CVaR) et autant d'estimateurs de covariance (empirique, exponentiel, rétréci, factoriel, débruité). Les écrire tous soi-même prendrait des semaines et produirait des bogues que skfolio a déjà corrigés.

skfolio 1.0.3, installé et inspecté le 2026-09-02, expose exactement ce catalogue. Côté moments : EmpiricalCovariance, EWCovariance, LedoitWolf, ShrunkCovariance, DenoiseCovariance, DetoneCovariance. Côté optimisation : EqualWeighted, InverseVolatility, MeanRisk, RiskBudgeting, HierarchicalRiskParity, HierarchicalEqualRiskContribution, NestedClustersOptimization, MaximumDiversification, DistributionallyRobustCVaR, avec coûts de transaction, frais et poids précédents en arguments.

Le plan du projet interdit pourtant de faire d'une bibliothèque une dépendance architecturale impossible à remplacer.

Décision

skfolio est le moteur de calcul, et il reste invisible depuis les stratégies.

• quantlab.portfolio.covariance expose des classes qui satisfont le protocole quantlab.core.protocols.RiskModel. Certaines enveloppent skfolio, d'autres sont écrites ici quand la pédagogie l'exige, par exemple la moyenne mobile exponentielle dont la formule tient en une ligne.
• quantlab.portfolio.optimizers expose des classes qui satisfont PortfolioOptimizer. Elles enveloppent skfolio et lui passent covariance, alpha, contraintes et coûts.
• Chaque enveloppe porte la documentation en dix points de la méthode qu'elle appelle, et un contrôle indépendant de son résultat. La parité de risque se vérifie par quantlab.analytics.contributions, contributions égales à 1e-8. La variance minimale se vérifie par les conditions de premier ordre, et l'inverse de volatilité par la formule fermée.
• Rien dans strategies/, signals/ ou backtest/ n'importe skfolio. Un test mécanique l'ajoute à la liste des imports interdits.

Conséquences

Un optimiseur de skfolio se remplace par une implémentation maison ou par Riskfolio-Lib sans toucher à une stratégie, ce qui est le but. Le prix est une couche d'enveloppe à maintenir, et la version de skfolio verrouillée dans uv.lock.

Le contrôle indépendant de chaque résultat n'est pas de la redondance : c'est ce qui transforme une bibliothèque tierce, dont on ne relit pas le code, en un résultat qu'on peut défendre.

Options écartées

Tout écrire soi-même. Rejetée pour le délai et le risque d'erreur, sauf là où la formule est courte et où l'écrire enseigne quelque chose.

Appeler skfolio directement depuis les études. Rejetée parce que le jour où une API change ou qu'un second moteur doit servir de contrôle, chaque étude serait à réécrire.

Riskfolio-Lib comme moteur principal. Rejetée pour l'interface : skfolio suit l'API de scikit-learn, ce qui rend ses estimateurs composables avec la validation croisée déjà en place. Riskfolio-Lib reste le second moteur de contrôle prévu par le plan.