ML research · Quant systems · Praedixa founder
STEVEN PVR — SYSTÈMES DE PRÉVISION
Mon travail couvre la prévision de demande, la finance quantitative, les pipelines ML reproductibles et Praedixa, une startup IA qui commence par anticiper demande et besoins en effectifs pour les opérations alimentaires périssables.
ARIMA-EGARCH + LightGBM
39-page research report, EN version for YC.
Praedixa Research — demand forecasting
Repo de recherche pour le wedge Praedixa : anticiper la demande et les besoins opérationnels sur des activités alimentaires périssables.
ARIMA-EGARCH + LightGBM — volatilité S&P 500
Étude économétrie + ML testant l’apport d’un log-sigma conditionnel dans un modèle LightGBM multi-actifs.
S&P 500 broker-aware forecasting
Pipeline de prévision cross-sectionnelle et traduction portefeuille pour actions S&P 500 négociables via XTB.
Steven Pvr
Data scientist · founder · builder
Pas de fuite temporelle
Backtests reproductibles
Métriques + économie
Décisions opérationnelles
GitHub / StevenPvr
Selected work
Chaque projet est présenté comme une preuve de méthode : problème, architecture, métriques, limites. L’objectif n’est pas de faire une vitrine marketing, mais de montrer ce qui a réellement été construit.
Praedixa Research — demand forecasting
Repo de recherche pour le wedge Praedixa : anticiper la demande et les besoins opérationnels sur des activités alimentaires périssables.
ARIMA-EGARCH + LightGBM — volatilité S&P 500
Étude économétrie + ML testant l’apport d’un log-sigma conditionnel dans un modèle LightGBM multi-actifs.
S&P 500 broker-aware forecasting
Pipeline de prévision cross-sectionnelle et traduction portefeuille pour actions S&P 500 négociables via XTB.
Numerai Classic research stack
Infrastructure de recherche pour Numerai Classic : ingestion versionnée, chemins déterministes, tests et doctrine era-based.
Bakery sales forecasting
Baseline ARIMA produit par produit sur ventes boulangerie, avec split temporel, Optuna et artefacts d’évaluation.
HumanWeight regression benchmark
Benchmark Ridge, RandomForest et LightGBM avec pipeline de preprocessing, Optuna, métriques et interprétabilité.
MentalHealth CatBoost pipeline
Pipeline CatBoost sur données auto-déclarées, avec baseline logistique, SHAP et analyse d’équité.
Flagship research
ARIMA-EGARCH + LightGBM pour prévoir la volatilité du S&P 500.
Le rapport teste si un signal log-sigma conditionnel issu d’un modèle ARIMA-EGARCH améliore les prévisions LightGBM. La page dédiée expose le protocole, les résultats, les tests statistiques et les limites.
Research case study
Conditional volatility as a machine-learning feature.
Wedge actuel
Praedixa commence par la prévision de la demande et des effectifs.
Le sujet n’est pas de remplacer les systèmes existants. Praedixa se place au-dessus des données de caisse, stock, planning et signaux externes pour mieux anticiper les volumes, réduire les invendus, limiter les ruptures et améliorer les marges avec un ROI mesurable.
Cible initiale : franchisés de restauration, boulangeries, snacking, coffee shops et opérateurs de produits périssables.
Angle court terme : demande, besoins opérationnels, coût matière, staffing.
Vision long terme : couche de décision opérationnelle, sans vendre prématurément toute la chaîne automatisée.