Faut-il créer votre propre MonkStreet ?
Service d'investissement par abonnement qui vend des signaux boursiers algorithmiques et des analyses de marché à coloration quantitative.
La partie logicielle d'un service de signaux est réellement réduite : récupérer les barres de cours quotidiennes, calculer des facteurs, classer un univers de titres, effectuer des backtests sur des fenêtres progressives et vous envoyer les titres en tête par e-mail. Un agent peut vous fournir cela en un week-end, avec un résultat qui ressemble de façon troublante à ce que vous payez. Ce que vous ne pouvez pas obtenir en une seule passe, ce sont les données fondamentales telles qu'elles étaient connues à chaque date, les univers sans biais de survivance et les opérations sur titres correctement traitées : c'est précisément là que les backtests maison se transforment en fiction annonçant 40 pour cent par an. La partie invérifiable est de savoir si l'avantage payant est réel, puisque les abonnés ne peuvent pas non plus l'auditer. Construisez donc le dispositif, utilisez-le pour réfléchir et ne confondez pas une courbe de capital verte sur des données gratuites avec de l'alpha.
EN → FRAnalyse traduite automatiquement de l’anglais. Prompt original conservé en anglais.
Build a local quant research harness for a single user. No accounts, no hosting, no telemetry.
Stack: Python 3.11, uv for deps, DuckDB for storage, pandas and numpy for math, Streamlit for the UI, plain SMTP for the daily digest. No cloud services, no Docker, no web framework.
Data: fetch daily adjusted OHLCV for a ticker list in universe.txt from one provider behind a single fetcher module, so it can be swapped. Cache every response into DuckDB and never refetch a date range you already have. Provider key and SMTP creds live in .env, loaded with python-dotenv, and .env is gitignored with a .env.example committed.
Build these pieces:
1. ingest.py: incremental daily bar download into DuckDB, idempotent, logs how many rows were added per ticker.
2. factors.py: compute 12-1 momentum, 60-day volatility, 200-day trend filter, and a simple value proxy from whatever fundamental fields the provider gives for free. Each factor is a pure function of a price frame, cross-sectionally z-scored, missing data handled explicitly rather than dropped silently.
3. backtest.py: monthly rebalance, long the top decile of a weighted factor blend, equal weight, configurable transaction cost in basis points, walk-forward so factor weights are fit only on data before each test window. Output CAGR, max drawdown, Sharpe, turnover, hit rate, and a per-year table. Print a loud warning that the universe is survivorship biased and the fundamentals are not point-in-time.
4. app.py: Streamlit page with the equity curve, the yearly table, the current ranked table, and a slider for factor weights that re-runs the backtest.
5. digest.py: a script for cron that emails today's top 20 and bottom 20 with their factor scores.
Out of scope: intraday data, options, order execution, broker integration, portfolio accounting, tax lots, auth, multi-user anything.
Include pytest tests for the factor functions and for one known-answer backtest on synthetic data. Write a README that states plainly what the data limitations invalidate.Le prompt s’ouvre prérempli dans votre agent. Relisez-le avant de l’exécuter. · ce prompt est généré à partir du plan de construction · améliorez-le via une PR
Comment créer votre propre version ?
Récupère les cours quotidiens d'un univers choisi, le classe selon des facteurs de momentum et de valorisation, teste historiquement ce classement avec un rééquilibrage sur fenêtres progressives et vous envoie par e-mail les titres actuellement en tête et en queue.
Ce dont vous aurez besoin
- Python 3.11 et une machine capable d'exécuter une tâche chaque nuit
- une source de données de marché avec une clé API ; une offre gratuite suffit pour les barres de cours quotidiennes
- un compte SMTP ou équivalent pour le récapitulatif quotidien
- assez de statistiques pour vous méfier de votre propre backtest
Les utilisateurs paient pour une décision, pas pour du code. Un abonnement à des signaux externalise la partie réellement difficile : s'engager sur une règle et s'y tenir pendant une baisse du portefeuille, avec un discours assez assuré pour s'y accrocher. Il existe aussi un écart de données : un service payant peut acquérir sous licence des données fondamentales propres, telles qu'elles étaient connues à chaque date, auxquelles un amateur n'a pas accès ; cette différence se traduit par des backtests moins flatteurs et plus honnêtes. Le problème gênant est que, de l'extérieur, vous ne pouvez pas distinguer un processus sous licence soigneusement validé d'un tableur accompagné de textes convaincants, et tous deux facturent chaque mois.
xLes données fondamentales disponibles à chaque date et les symboles de titres radiés, si bien que votre backtest suppose discrètement que les perdants n'ont jamais existé
xUn traitement correct des divisions d'actions, dividendes, fusions et recompositions d'indices
xLe processus de recherche, bon ou mauvais, qui se cache derrière le signal payant
xLa conviction de quelqu'un d'autre à qui attribuer la faute lorsqu'une position évolue contre vous
xTout flux de données institutionnel : positions vendeuses, analyse des documents réglementaires, données tick par tick, coûts d'emprunt de titres
Rien qui mérite d’être cité. C’est pour cela que le prompt existe.
Combien coûte MonkStreet ?
- Facturation mensuelle
- 200 $US/mois200 $US/mois
- Par an
- 2 400 $US/an2 400 $US/an
- Avec une carte brésilienne, IOF de 3,5% inclus
- 1 045 R$/mois12 542 R$/an
Enregistré dans Ma liste. Un avis s’affichera ici si le prix change.
Vous finalisez l’achat sur le site de MonkStreet. Vibe Radar ne gère aucun paiement.
Construire ou s’abonner à MonkStreet ?
Ajustez les chiffres : heures de développement, taux horaire, coûts d’exploitation et prix de l’abonnement.
Construire est rentabilisé en 6 mois.
Heures estimées d’après l’analyse (un week-end). Ne chiffre pas ce que vous perdez (support, intégrations, sécurité).
Puis-je recréer MonkStreet ?
En partie. Le cœur de MonkStreet se construit en un week-end avec le prompt de cette page, mais il reste de vraies lacunes : Les données fondamentales disponibles à chaque date et les symboles de titres radiés, si bien que votre backtest suppose discrètement que les perdants n'ont jamais existé, Un traitement correct des divisions d'actions, dividendes, fusions et recompositions d'indices. Lisez la liste ci-dessus avant de vous lancer.
Combien coûte MonkStreet ?
MonkStreet coûte environ 200 $US/mois (MonkStreet Annual, vérifié le 20/10/2026), soit 2 400 $US par an.
Que perd-on en remplaçant MonkStreet ?
Honnêtement : Les données fondamentales disponibles à chaque date et les symboles de titres radiés, si bien que votre backtest suppose discrètement que les perdants n'ont jamais existé; Un traitement correct des divisions d'actions, dividendes, fusions et recompositions d'indices; Le processus de recherche, bon ou mauvais, qui se cache derrière le signal payant; La conviction de quelqu'un d'autre à qui attribuer la faute lorsqu'une position évolue contre vous; Tout flux de données institutionnel : positions vendeuses, analyse des documents réglementaires, données tick par tick, coûts d'emprunt de titres. Si l’un de ces points compte pour vous, continuez à payer.
Existe-t-il une alternative open source à MonkStreet ?
Aucune alternative open source mature à recommander, et c’est précisément pour cela que le prompt de cette page existe.