Modèles ML en StrategyQuant

Bonjour à tous,

Je suis actuellement en train d'explorer différentes manières d'intégrer Modèles d'apprentissage automatique (basés sur Python) directement dans le flux de travail de StrategyQuant X, en particulier en tant que Indicateurs à utiliser lors de la Bâtiment/Génération phase. Je suis curieux de savoir si quelqu'un ici a réussi à mettre en œuvre des modèles ML qui fonctionnent barre par barre pendant le backtest pour la génération de stratégies.

Je suis particulièrement intéressé par votre expérience concernant deux défis principaux :

1. Vitesse du backtest : L'appel d'un processus Python externe (ProcessBuilder) à chaque barre semble être un goulot d'étranglement majeur pour le Builder. Si vous faites cela, utilisez-vous un API/serveur local (comme FastAPI/Flask) pour réduire la latence, ou êtes-vous passé à des bibliothèques Java natives (comme Smile ou Weka) ?
2. Exportation MQL4/MQL5 : Pour ceux qui utilisent des indicateurs ML complexes (comme les modèles de Markov cachés ou les réseaux neuronaux), comment gérez-vous l'exportation vers MetaTrader ? Répliquez-vous manuellement la logique dans MQL, utilisez-vous des ponts DLL ou exportez-vous des modèles vers ONNX ?