Gabah est un laboratoire de recherche consacré aux marchés de prédiction : des places où un contrat se règle à 1 $ ou 0 $ selon qu'un résultat annoncé se produit ou non. Nous construisons et testons des stratégies pour les valoriser. L'intelligence artificielle travaille aux côtés du chercheur, lisant des millions d'événements enregistrés et attaquant chaque hypothèse avant qu'un capital ne soit risqué.
Le périmètre étroit est délibéré. Un contrat de cinq minutes se dénoue en cinq minutes : une stratégie accumule donc des milliers de résultats indépendants et réglés en quelques semaines plutôt qu'en années — la manière honnête la plus rapide de savoir si une idée tient. Des horizons plus longs, d'autres actifs et d'autres places suivront le même pipeline lorsque la méthode les aura mérités.
Les stratégies approuvées alimentent en continu un journal de recherche face aux carnets d'ordres réels de Polymarket. Voici ce journal, par actif, actualisé toutes les cinq minutes. Quelle stratégie s'est déclenchée reste interne — le résultat, non.
Ce dont il s'agit, précisément. Notre propre capital de recherche, valorisé à l'instant où chaque signal s'est déclenché, 10 $ par transaction — ni argent de clients, ni relevé de courtier. Le coût d'exécution est mesuré séparément et présenté plus bas. Nous publions ceci parce qu'un laboratoire qui ne montre que des résultats finis est un service marketing.
Chaque stratégie de cette page a été proposée, attaquée et le plus souvent détruite dans une boucle entre un chercheur quantitatif et un modèle de langage de pointe. Le rôle du modèle n'est pas de prédire le marché. Son rôle est de trouver la raison pour laquelle notre dernière idée est une illusion — avant que l'idée ne rencontre l'argent.
439778 événements enregistrés sur 98710 marchés, chacun avec son carnet d'ordres. Le modèle les parcourt directement, confrontant tout avantage revendiqué à chaque régime, session et plage de volatilité où il apparaît.
Un backtest prometteur est traité comme un suspect, pas comme une découverte. Interrogatoire standard : survit-il à un test avant/après sur des mois qu'il n'a jamais vus ? Tient-il une fois le filtre retiré ? L'échantillon est-il assez grand pour signifier quelque chose, ou lisons-nous neuf transactions chanceuses ?
La production la plus précieuse n'a pas été une stratégie. Ce fut la découverte qu'une de nos propres entrées était silencieusement corrompue, ou qu'un résultat reposait sur une information dont la stratégie ne pouvait pas disposer à ce moment-là. Les deux sont arrivés. Les deux figurent ci-dessous.
Tout laboratoire en a. Presque aucun ne les publie. Chaque entrée ci-dessous a effacé un travail déjà fait et des chiffres que nous aurions préféré garder — c'est précisément pourquoi elles ont leur place en page d'accueil plutôt qu'en note de bas de page.
Une requête portant sur une fenêtre de 16 heures était silencieusement tronquée en amont : l'estimation de volatilité d'un actif décrivait donc une période de la semaine précédente. Toute statistique qui s'en approchait — trois mois — a été invalidée et le compteur remis à zéro. L'actif a été retiré du trading en direct le jour même.
Les règlements étaient déduits du prix au lieu d'être lus dans le registre de la plateforme. La déduction était fausse sur environ un marché sur six, gonflant le taux de réussite mesuré de 0,24 à 0,33 et fabriquant trois « découvertes » distinctes qui n'existaient pas. Les trois ont été retirées.
Les exécutions simulées supposaient un achat au prix auquel le signal s'était déclenché. Revaloriser chaque entrée face au carnet enregistré a montré que l'écart se concentrait exactement sur les transactions les plus flatteuses. Nous avons construit un modèle d'exécution adverse et publions désormais son chiffre à côté du chiffre brut.
Un actif avait passé assez de contrôles pour être discuté comme candidat au live. Mesuré sur les règlements réels de la plateforme plutôt que sur notre reconstruction, son espérance par transaction était négative. Il n'a pas été déployé, et il ne l'est toujours pas.
Une famille de stratégies affichait un rendement exceptionnel. La condition d'entrée s'est révélée dépendre de données qui n'existaient qu'après le moment de la décision — une fuite d'anticipation. Le résultat a été rayé du registre plutôt que discrètement mis de côté.
Les investisseurs disposant d'un accès à la data room retrouvent chacun de ces cas dans les enregistrements sources, y compris les statistiques telles qu'elles se lisaient avant correction. Nous conservons les versions erronées à dessein.
Les idées sont bon marché et les backtests généreux. Le pipeline existe pour supprimer ces deux avantages : une stratégie doit d'abord survivre à un temps futur qu'elle n'a jamais vu, puis survivre à une revalorisation face au carnet sur lequel elle aurait réellement négocié.
Lisez correctement le chiffre principal. Les 23,660 $ sont valorisés au signal et ne déduisent pas encore le coût d'exécution. En appliquant le taux de conservation de 55 à 56 % que nous avons mesuré en revalorisant les entrées face au carnet enregistré, la même période vaut environ 11,830 à 13,250 $ avec une mise de 10 $. Les deux chiffres sont les nôtres ; nous préférons que vous les voyiez ensemble plutôt que de découvrir le second par vous-même.
Dix mille années simulées, construites en rééchantillonnant des résultats quotidiens mesurés et en imposant six mois défavorables à chacune. Basculez entre la valorisation brute au signal et le modèle d'exécution audité pour voir quelle part du résultat tient à l'exécution.
La baisse est déterminée par les mois défavorables, non par la qualité d'exécution — elle bouge à peine entre les deux modèles.
Mesuré, non simulé. L'écart entre les deux est le coût d'exécution que nous déduisons partout ailleurs.
Le journal filtré couvre 85 jours de bourse sur 3 mois — assez pour montrer que la porte sélectionne, pas assez pour revendiquer un historique éprouvé sur un cycle complet. Les stratégies récentes ont proportionnellement moins d'historique. Nos bandes de simulation sont larges parce que nous ne prétendrons pas le contraire.
Des stratégies individuelles cessent de fonctionner ; c'est attendu, pas exceptionnel. C'est la raison pour laquelle nous en exploitons 151 réparties en 23 familles plutôt qu'une seule. La porte renote tout chaque jour et désarme sans état d'âme, la recherche tourne en continu et de nouveaux candidats entrent chaque semaine.
Ce sont des avantages de microstructure sur des marchés petits et rapides. Le rendement croît avec la qualité de l'avantage et la fréquence — pas avec le capital levé. Quiconque promet que plus d'argent produit proportionnellement plus de profit dans cette niche décrit une autre activité que la nôtre.
61 des 85 jours ont clôturé en positif, ce qui signifie qu'environ un jour sur quatre ne l'a pas fait, et les semaines perdantes en découlent. Notre plus fort creux sur la période a été de 1,262 $ face à +23,660 $ gagnés. Le modèle chiffre en outre une année où l'avantage meurt sans que personne n'intervienne ; ce cas est une borne, pas un plan.
Non. Nous ne sommes pas un fonds, nous n'exploitons pas de comptes gérés et nous ne prenons la garde du capital de personne. La participation est une prise de participation dans Gabah Ltd, société arménienne — vous détenez une part de l'entreprise, pas un compte de trading. Les conditions sont individuelles et documentées ; rien sur cette page ne constitue une offre.
Un modèle de langage de pointe travaille comme partenaire de recherche : il lit directement les données enregistrées, propose des hypothèses et — plus utile encore — attaque celles auxquelles nous croyons déjà. Concrètement, il a écrit l'analyse qui a trouvé la donnée de volatilité périmée et celle qui a révélé notre erreur de reconstruction, toutes deux listées plus haut.
Il ne détient pas de clés, ne passe pas d'ordres et ne dimensionne pas les positions. Il n'y a aucun agent de trading autonome dans ce système, et nous n'en ferions pas un argument s'il y en avait un.
Parce que la contrainte n'est pas le capital de trading — les stratégies prennent de petites positions par construction et ne peuvent absorber de gros volumes. La contrainte, c'est la durée de vie : infrastructure de données, couverture de marché et temps de chercheur qui transforme 151 stratégies en portefeuille durable. L'investissement finance le laboratoire, pas le carnet de trading.
Parce qu'il s'agit de contrats binaires achetés sous leur valeur théorique. Une stratégie entrant à 0,30 $ doit avoir raison environ une fois sur trois pour être à l'équilibre ; les nôtres ont raison 41 % du temps. Le taux de réussite seul ne dit rien sans le prix d'entrée à côté — un système gagnant 90 % du temps à 0,95 $ perd de l'argent.
Vous vérifiez. L'accès à la data room s'accompagne d'un code personnel vers le tableau de bord analytique que nous utilisons en interne : chaque stratégie, chaque transaction, chaque jour, y compris les perdantes et les résultats retirés. Les chiffres de cette page sont générés automatiquement à partir de ces enregistrements — nous ne pouvons pas nous en écarter discrètement.
Chaque stratégie porte un critère d'arrêt et la porte désarme sans discussion — ce mécanisme a déjà retiré des stratégies représentant 71,842 $ de pertes que nous n'avons pas subies. Si toute la famille d'avantages s'érodait d'un coup, la réponse honnête est que le laboratoire aurait besoin d'une nouvelle direction de recherche ; notre simulation chiffre cette année-là explicitement au lieu de la masquer.
Les investisseurs qualifiés reçoivent un code d'accès personnel au tableau de bord de recherche en direct — l'instrument de travail, pas une présentation préparée. Lisez-le d'abord ; la conversation qui suit est plus utile pour tout le monde.