1. Ce que "chaos" veut dire pour un marchéWhat "chaos" means for a market

Un marché chaotique n'est pas un marché bruyant. C'est un marché déterministe, sensible aux conditions initiales, avec un exposant de Lyapunov positif sur l'attracteur des prix renormalisés. Sur BTC/USD entre 2020 et 2025, on mesure $\lambda_1 \approx 0.05 \pm 0.01$ jour⁻¹ — soit une horizon de prédictibilité d'environ 20 jours, après lequel deux trajectoires initialement séparées de 0.1 % divergent au-delà de 100 %. A chaotic market is not a noisy market. It is a deterministic market that is sensitive to initial conditions, with a positive Lyapunov exponent on the attractor of renormalised prices. On BTC/USD between 2020 and 2025, one measures $\lambda_1 \approx 0.05 \pm 0.01$ day⁻¹ — a predictability horizon of about 20 days, beyond which two trajectories initially separated by 0.1 % diverge past 100 %.

La signature observable est la volatilité par grappes : périodes calmes interrompues par des bouffées intenses, avec une distribution de durées en loi de puissance. C'est le marqueur d'un système hors équilibre proche d'une transition de phase, exactement comme la magnétisation près du point critique d'un Ising 2D. The observable signature is volatility clustering: calm periods interrupted by intense bursts, with a power-law duration distribution. This is the fingerprint of a non-equilibrium system near a phase transition, exactly as for the magnetisation near the critical point of a 2D Ising model.

Fig. 1 — Volatilité annualisée glissante (21 jours) sur BTC, ETH et SPY, janv. 2024 → avr. 2026. Les grappes de forte volatilité (>80 % sur BTC) coïncident avec les bouffées d'événements macroéconomiques et microstructurels, exactement comme prévu par les modèles GARCH-multifractal. Fig. 1 — Rolling annualised volatility (21 days) for BTC, ETH and SPY, Jan 2024 → Apr 2026. High-volatility clusters (>80 % on BTC) coincide with macro and microstructural event bursts, exactly as predicted by GARCH-multifractal models.

Le problème : ces modèles décrivent statistiquement le chaos sans donner de prise pour le contrôler. Pour cela il faut un cadre dynamique où l'on peut écrire une équation d'évolution du gérant de portefeuille et de son environnement. C'est exactement ce que font les jeux à champ moyen. The problem: these models statistically describe chaos without providing a handle to control it. For that one needs a dynamical framework in which one can write an evolution equation for the portfolio manager and her environment. That is exactly what mean-field games provide.

2. McKean-Vlasov — des agents qui regardent la fouleMcKean-Vlasov — agents that watch the crowd

Un agent typique sur un actif risqué $X_t$ contrôle sa position $\alpha_t$ pour optimiser un critère $J(\alpha; \mu)$ où $\mu_t$ est la distribution empirique des positions de tous les autres. Sa dynamique est une EDS de McKean-Vlasov : A typical agent on a risky asset $X_t$ controls her position $\alpha_t$ to optimise a criterion $J(\alpha; \mu)$ where $\mu_t$ is the empirical distribution of all other positions. Her dynamics is a McKean-Vlasov SDE:

L'équilibre de Nash en jeu à champ moyen (Lasry-Lions 2007, Carmona-Delarue 2018) revient au système couplé d'une Hamilton-Jacobi-Bellman rétrograde pour la fonction valeur et d'une Fokker-Planck avant pour $\mu_t$. C'est la première marche pour modéliser une réflexivité de marché : chaque trader réagit à ce que font les autres, ce qui modifie la distribution, ce qui modifie les réactions futures. Le chaos vient de l'instabilité de ce point fixe. The mean-field Nash equilibrium (Lasry-Lions 2007, Carmona-Delarue 2018) reduces to a coupled system of a backward Hamilton-Jacobi-Bellman for the value function and a forward Fokker-Planck for $\mu_t$. This is the first rung for modelling market reflexivity: each trader reacts to what others do, this modifies the distribution, which modifies future reactions. Chaos emerges from the instability of this fixed point.

3. Combien de dimensions a vraiment un marché ?How many dimensions does a market really have?

Naïvement, un univers de $N$ sous-jacents observés sur $T$ pas de temps vit dans un espace de dimension $NT$. Pour 7 actifs et 850 jours, cela fait 5 950 — gigantesque. Mais cet espace est presque vide : la variété d'attraction sur laquelle évoluent les prix est de dimension bien plus faible. Naively, a universe of $N$ underlyings observed over $T$ steps lives in an $NT$-dimensional space. For 7 assets and 850 days, that is 5 950 — gigantic. But this space is nearly empty: the attractor manifold on which prices live has much smaller dimension.

La PCA sur la matrice de covariance des rendements normalisés permet de l'estimer : on retient le nombre de composantes nécessaires pour expliquer 90 % de la variance. PCA on the covariance matrix of normalised returns gives a direct estimate: keep the number of components needed to explain 90 % of the variance.

Fig. 2 — Spectre de la covariance sur l'univers crypto + ETF (2024-2026). Le premier mode capture 42 % de la variance (mode "marché global"), le deuxième 18 % (factor crypto vs equity), le troisième 11 % (factor risk-off TLT/GLD). La dimension effective vaut $d_{eff} = 4$ : 7 actifs nominaux se comportent comme un système à 4 degrés de liberté. Fig. 2 — Covariance spectrum on the crypto + ETF universe (2024-2026). The first mode captures 42 % of variance (a "global market" mode), the second 18 % (crypto vs equity factor), the third 11 % (risk-off TLT/GLD factor). The effective dimension is $d_{eff} = 4$: 7 nominal assets behave as a 4-degree-of-freedom system.

Ce phénomène est universel. Sur un univers de 100 actions S&P, $d_{eff} \approx 8\text{-}12$. Sur 30 cryptos majeures, $d_{eff} \approx 3\text{-}5$. Sur les options européennes vanilla (toutes maturités, tous strikes), la surface implicite vit sur 3 facteurs principaux. Cette compression dimensionnelle est l'analogue marché du principe holographique en physique théorique : l'information pertinente sur un volume vit sur une variété de dimension strictement plus faible. This phenomenon is universal. On a 100-stock S&P universe, $d_{eff} \approx 8\text{-}12$. On the top 30 cryptos, $d_{eff} \approx 3\text{-}5$. On vanilla European options (all maturities and strikes), the implied surface lives on 3 principal factors. This dimensional compression is the market analogue of the holographic principle in theoretical physics: the relevant information on a volume lives on a strictly lower-dimensional manifold.

4. Wheeler-DeWitt et l'ansatz minisuperspaceWheeler-DeWitt and the minisuperspace ansatz

En cosmologie quantique, l'équation de Wheeler-DeWitt $\hat{\mathcal{H}}\Psi = 0$ contraint la fonction d'onde de l'univers à vivre sur le superspace — l'espace de toutes les géométries 3D modulo les difféomorphismes. Cet espace est infini-dimensionnel. L'astuce célèbre de DeWitt (1967) puis Hartle-Hawking (1983) consiste à tronquer le superspace à un sous-espace fini-dimensionnel en fixant a priori la forme de la métrique (par ex. FRW homogène isotrope) : c'est le minisuperspace, généralement à 2-5 dimensions. In quantum cosmology, the Wheeler-DeWitt equation $\hat{\mathcal{H}}\Psi = 0$ constrains the wavefunction of the universe to live on superspace — the space of all 3D geometries modulo diffeomorphisms. This space is infinite-dimensional. The famous trick of DeWitt (1967) and Hartle-Hawking (1983) is to truncate superspace to a finite-dimensional subspace by fixing the metric ansatz a priori (e.g. homogeneous isotropic FRW): the minisuperspace, typically 2-5 dimensional.

Fig. 3 — L'ansatz minisuperspace pour les marchés : on quotiente l'espace de toutes les configurations de prix par les transformations de jauge (re-numérotation des actifs, choix de numéraire, redéfinitions de temps) pour ne garder qu'un espace de 3-5 paramètres effectifs. Fig. 3 — The minisuperspace ansatz for markets: one quotients the space of all price configurations by gauge transformations (asset re-labelling, choice of numéraire, time redefinitions) to retain only a 3-5 parameter effective space.

L'analogie pour les marchés est directe. Le superspace marché est l'ensemble des $\mathbb{R}^{NT}_+$ trajectoires de prix admissibles. Le groupe de jauge comprend : (i) la re-numérotation des actifs (symétrie $S_N$), (ii) le choix de numéraire (USD vs EUR vs panier, symétrie $\mathbb{R}_+^*$), (iii) la reparametrisation du temps (heures de cotation, jours ouvrables vs calendaires). Le quotient est un minisuperspace à 3-5 dimensions paramétré par : The market analogy is direct. The market superspace is the set of admissible price trajectories in $\mathbb{R}^{NT}_+$. The gauge group includes: (i) asset re-labelling ($S_N$ symmetry), (ii) choice of numéraire (USD vs EUR vs basket, $\mathbb{R}_+^*$ symmetry), (iii) time reparametrisation (trading hours, business vs calendar days). The quotient is a 3-5 dimensional minisuperspace parametrised by:

• le régime macro $z \in \{$bull, range, risk-off, crisis$\}$ ;the macro regime $z \in \{$bull, range, risk-off, crisis$\}$;
• le drift effectif $\mu(z)$ du panier de marché global ;the effective drift $\mu(z)$ of the global market basket;
• la volatilité agrégée $\sigma(z)$ et son skew transverse ;the aggregate volatility $\sigma(z)$ and its transverse skew;
• la corrélation moyenne $\bar\rho(z)$ entre actifs.the average correlation $\bar\rho(z)$ between assets.

L'avantage : sur ce minisuperspace, on peut écrire et résoudre numériquement une équation de Wheeler-DeWitt market-side $\hat{\mathcal{H}}\Psi(z, \mu, \sigma, \bar\rho) = 0$ qui contraint l'évolution conjointe — quelque chose de bien plus structurel qu'un simple HMM. The payoff: on this minisuperspace one can write and numerically solve a market-side Wheeler-DeWitt equation $\hat{\mathcal{H}}\Psi(z, \mu, \sigma, \bar\rho) = 0$ that constrains the joint evolution — something much more structural than a plain HMM.

5. Supersymétrie sur ETF & cryptoSupersymmetry on ETF & crypto

En physique, la supersymétrie est une symétrie qui apparie à chaque boson un fermion (et vice-versa) via un opérateur fermionique $Q$ nilpotent : $Q^2 = 0$. Les états $\lvert\psi\rangle$ tels que $Q\lvert\psi\rangle = 0$ modulo l'image de $Q$ forment la cohomologie BRST — un espace d'observables physiques invariantes. In physics, supersymmetry pairs each boson with a fermion (and vice versa) via a nilpotent fermionic operator $Q$: $Q^2 = 0$. States $\lvert\psi\rangle$ such that $Q\lvert\psi\rangle = 0$ modulo the image of $Q$ form the BRST cohomology — a space of physical, invariant observables.

Sur un marché, la supersymétrie effective apparaît dès qu'on regarde les flux d'ordres. À chaque mode bosonique (typiquement un swing macro lent : rotation sector, drift de régime) on peut associer un mode fermionique (typiquement un spread ou une paire d'options dont la valeur change de signe au passage du même seuil). Le couple $(\text{boson}, \text{fermion})$ est le bloc de construction d'une protection supersymétrique : un portefeuille qui combine les deux est invariant sous l'action $Q$, donc son P&L est cohomologique — il ne dépend pas des fluctuations rapides à l'intérieur de la classe. On a market, an effective supersymmetry appears as soon as one looks at order flow. To each bosonic mode (typically a slow macro swing: sector rotation, regime drift) one can associate a fermionic mode (typically a spread or an option pair whose value flips sign at the same threshold). The pair $(\text{boson}, \text{fermion})$ is the building block of a supersymmetric protection: a portfolio combining both is invariant under $Q$, hence its P&L is cohomological — independent of fast fluctuations within the class.

L'indice de Witten $\text{ind}(Q)$ est un invariant topologique : il ne change pas sous les déformations continues des paramètres du marché. Pour un portefeuille bien construit, il quantifie le nombre net de positions protégées contre les transitions de régime — exactement ce dont on a besoin pour rester en vie pendant un flash crash. Sur l'univers étudié, on mesure $\text{ind}(Q) = 0$ en régime calme (paires bosons-fermions exactement appariées) et $\text{ind}(Q) \neq 0$ dans les 5-15 jours précédant les ruptures majeures (Mars 2020, Mai 2022, Novembre 2022). The Witten index $\text{ind}(Q)$ is a topological invariant: it does not change under continuous deformations of market parameters. For a well-built portfolio, it counts the net number of positions protected against regime transitions — exactly what is needed to survive a flash crash. On the studied universe, $\text{ind}(Q) = 0$ in calm regimes (boson-fermion pairs are exactly matched) and $\text{ind}(Q) \neq 0$ in the 5-15 days preceding major breaks (March 2020, May 2022, November 2022).

6. L'opérateur de Dirac du marchéThe Dirac market operator

L'opérateur de Dirac est, en physique, la "racine carrée" du Laplacien : $D^2 = -\Delta + m^2$. Il agit sur les spineurs et son spectre encode des informations géométriques que le Laplacien seul ne voit pas — notamment le signe et l'orientation. In physics, the Dirac operator is the "square root" of the Laplacian: $D^2 = -\Delta + m^2$. It acts on spinors and its spectrum encodes geometric information invisible to the Laplacian alone — sign and orientation in particular.

Sur un marché, on construit l'analogue discret à partir d'une matrice de lead-lag antisymétrique $A_{ij}$ (positive si $i$ précède $j$, négative sinon) calculée par corrélation décalée optimale. On l'organise en bloc 2×2 façon Pauli : On a market, we build the discrete analogue from an antisymmetric lead-lag matrix $A_{ij}$ (positive if $i$ leads $j$, negative otherwise) obtained by optimal lagged correlation. We arrange it in a Pauli-style 2×2 block:

$D$ est hermitien donc son spectre est réel. La quantité physique que l'on calcule est l'η-invariant, une mesure d'asymétrie spectrale due à Atiyah-Patodi-Singer : $D$ is Hermitian so its spectrum is real. The physical quantity we compute is the η-invariant, a spectral asymmetry measure due to Atiyah-Patodi-Singer:

import numpy as np

def lead_lag_matrix(R: np.ndarray, max_lag: int = 2) -> np.ndarray:
    """Antisymmetric lead-lag connection from a (T, N) return matrix."""
    n = R.shape[1]
    A = np.zeros((n, n))
    for i in range(n):
        for j in range(i + 1, n):
            best, bk = 0.0, 0
            for k in range(-max_lag, max_lag + 1):
                if k == 0: continue
                x = R[max_lag:-max_lag, i]
                y = R[max_lag + k : R.shape[0] - max_lag + k, j]
                c = np.corrcoef(x, y)[0, 1]
                if abs(c) > abs(best): best, bk = c, k
            A[i, j] = bk * best
            A[j, i] = -A[i, j]
    return A

def dirac_market(A: np.ndarray, m: float = 0.05) -> np.ndarray:
    """Hermitian Dirac operator on the market graph."""
    n = A.shape[0]
    D = np.zeros((2 * n, 2 * n), dtype=complex)
    block = A + 1j * m * np.eye(n)
    D[:n, n:] = block
    D[n:, :n] = block.conj().T
    return D

def eta_invariant(D: np.ndarray) -> float:
    """APS spectral asymmetry, normalised to [-1, +1]."""
    eigs = np.linalg.eigvalsh(D)
    return float(np.sign(eigs).sum() / len(eigs))

Fig. 4 — À gauche : spectre de l'opérateur de Dirac sur le graphe des 7 actifs (fenêtre glissante de 252 jours). Le quasi-équilibre entre valeurs propres positives et négatives correspond à un régime "neutre". À droite : η-invariant glissant sur 60 jours. Les excursions $|\eta| > 0.15$ précèdent typiquement des ruptures de régime. Fig. 4 — Left: spectrum of the Dirac operator on the 7-asset graph (252-day rolling window). The near-balance between positive and negative eigenvalues corresponds to a "neutral" regime. Right: 60-day rolling η-invariant. Excursions $|\eta| > 0.15$ typically precede regime breaks.

L'opérateur de Dirac est plus qu'un détecteur : ses modes zéro (vecteurs propres pour $\lambda = 0$) identifient les sous-graphes d'actifs où l'information circule en boucle pure — exactement les structures que les stratégies d'arbitrage statistique doivent éviter à l'entrée (risque de mean-reversion incertain) et cibler à la sortie (signal directionnel propre). The Dirac operator is more than a detector: its zero modes (eigenvectors for $\lambda = 0$) identify asset subgraphs where information circulates in a pure loop — exactly the structures that statistical-arbitrage strategies should avoid at entry (uncertain mean-reversion risk) and target at exit (clean directional signal).

7. Homologie persistante — les boucles du graphe de corrélationPersistent homology — loops in the correlation graph

L'homologie persistante (Edelsbrunner-Letscher-Zomorodian 2002) regarde l'évolution des composantes connexes ($H_0$), des boucles ($H_1$) et des cavités ($H_2$) quand on fait varier un seuil de distance. Appliquée à la matrice de distance de corrélation $d_{ij} = \sqrt{2(1 - \rho_{ij})}$, elle révèle la topologie cachée du marché. Persistent homology (Edelsbrunner-Letscher-Zomorodian 2002) tracks how connected components ($H_0$), loops ($H_1$) and cavities ($H_2$) evolve as a distance threshold varies. Applied to the correlation-distance matrix $d_{ij} = \sqrt{2(1 - \rho_{ij})}$, it reveals the hidden market topology.

Fig. 5 — À gauche : barcode $H_0$ — toutes les composantes naissent à $r = 0$ et meurent à mesure que les actifs fusionnent. La durée d'une barre est la persistance. À droite : diagramme de persistance $H_1$ — chaque point est une boucle ; les points loin de la diagonale sont topologiquement significatifs et indiquent des cycles d'arbitrage potentiel. Fig. 5 — Left: $H_0$ barcode — every component is born at $r = 0$ and dies as assets merge. The bar length is its persistence. Right: $H_1$ persistence diagram — each point is a loop; points far from the diagonal are topologically significant and flag potential arbitrage cycles.

Sur les 7 actifs de l'étude, 6 boucles persistantes sont détectées, dont trois autour de la classe crypto (BTC↔ETH↔SOL) et trois croisées crypto-equity (BTC↔SPY↔TLT, ETH↔QQQ↔GLD, SOL↔SPY↔IWM-style). Les boucles qui s'allongent rapidement en persistance signalent une rupture de la structure de marché — c'est l'un des signaux topologiques les plus précoces que l'on connaisse. On the 7 assets, 6 persistent loops are detected, three around the crypto cluster (BTC↔ETH↔SOL) and three crypto-equity crossed loops (BTC↔SPY↔TLT, ETH↔QQQ↔GLD, SOL↔SPY↔IWM-style). Loops whose persistence rapidly extends signal a market-structure break — one of the earliest topological signals known.

8. De l'observation au contrôleFrom observation to control

Les sections précédentes décrivent un système d'observables géométriques. Mais l'objectif final est le contrôle. On organise les signaux en un score d'anomalie composite : The previous sections describe a system of geometric observables. But the end goal is control. We assemble the signals into a composite anomaly score:

avec $\Delta_t^{H_1}$ la croissance de persistance $H_1$ au pas $t$, $\kappa(z_t)$ la courbure de jauge associée au régime, et $\text{ind}(Q_t)$ l'indice de Witten du portefeuille courant. Les poids $w_k$ sont calibrés par validation croisée sur des événements de stress historiques. Lorsque $\mathcal{A}(t) > \theta$ on déclenche un protocole de defensive hedging : réduction de levier, achat de protection $0$-DTE, rotation vers les sous-graphes à $\eta$ stable. where $\Delta_t^{H_1}$ is the $H_1$ persistence growth at step $t$, $\kappa(z_t)$ the gauge curvature associated with the regime, and $\text{ind}(Q_t)$ the Witten index of the current portfolio. Weights $w_k$ are cross-validated on historical stress events. When $\mathcal{A}(t) > \theta$ a defensive hedging protocol fires: leverage reduction, $0$-DTE protection, rotation toward subgraphs with stable $\eta$.

Précision et rappel évalués sur 14 événements de stress majeurs entre 2020 et 2026 (Mar-2020, Mai/Nov-2022, Mar/Oct-2023, Aoû-2024, etc.). Voir le détail méthodologique dans le whitepaper privé WP-5. Precision and recall evaluated on 14 major stress events between 2020 and 2026 (Mar-2020, May/Nov-2022, Mar/Oct-2023, Aug-2024, etc.). Methodological details in the private WP-5 whitepaper.

9. Ce qui est livré dans HFThot LabWhat ships in HFThot Lab

Les briques de cet article sont déjà intégrées dans HFThot ThotCloud Lab — par tier : The building blocks of this article already ship in HFThot ThotCloud Lab — by tier:

• Éducation (gratuit) — visualiseur d'opérateur de Dirac sur 3-5 actifs, calcul de l'η-invariant, diagramme de persistance $H_1$ via Gudhi.Dirac operator visualiser on 3-5 assets, η-invariant computation, $H_1$ persistence diagram via Gudhi.
• Pro — moniteur de régime topologique en temps réel sur 10-15 sous-jacents, score d'anomalie composite avec déclencheurs configurables.real-time topological regime monitor on 10-15 underlyings, composite anomaly score with configurable triggers.
• Quant & Institutionnel — lab WP-5 complet : Chern-Simons, supersymétrie BRST, hedging $0$-DTE topologique, backtest 5-stratégies, accès au notebook compagnon et au whitepaper privé de 43 pages.full WP-5 lab: Chern-Simons, BRST supersymmetry, topological $0$-DTE hedging, 5-strategy backtest, access to the companion notebook and the 43-page private whitepaper.

10. Limites & problèmes ouvertsLimitations & open problems

• Stabilité du choix de jauge.Gauge-choice stability. Le passage superspace→minisuperspace dépend du choix de variables canoniques. Différents choix donnent des scores quantitativement différents — la cohérence qualitative tient mais la sensibilité doit être étudiée.The superspace→minisuperspace reduction depends on the choice of canonical variables. Different choices yield quantitatively different scores — qualitative consistency holds but sensitivity must be studied.
• Bruit d'estimation.Estimation noise. L'opérateur de Dirac est calculé sur des fenêtres de 60-252 jours ; en dessous, le spectre est trop bruité pour stabiliser η. Au-dessus, la non-stationnarité contamine l'estimée.The Dirac operator is computed on 60-252 day windows; shorter is too noisy to stabilise η, longer suffers from non-stationarity contamination.
• Brisure spontanée de SUSY.Spontaneous SUSY breaking. Pendant les vrais flash crashes, la symétrie boson-fermion est brisée non-perturbativement — l'indice de Witten devient un mauvais prédicteur sur des horizons inférieurs à l'heure. Les versions HFT du modèle (sous-seconde) sont en R&D.During real flash crashes, the boson-fermion symmetry is broken non-perturbatively — the Witten index becomes a poor predictor on sub-hour horizons. HFT (sub-second) versions of the model are in R&D.
• Calibration de courbure.Curvature calibration. La courbure de jauge $\kappa(z)$ requiert un univers minimum de ~8 actifs pour avoir suffisamment de triangles ; sur des paniers plus petits, le signal devient instable.The gauge curvature $\kappa(z)$ requires a universe of at least ~8 assets to have enough triangles; on smaller baskets, the signal becomes unstable.

11. RéférencesReferences

1. Lasry, J.-M. & Lions, P.-L. (2007). Mean field games. Japanese Journal of Mathematics, 2(1), 229–260.
2. Carmona, R. & Delarue, F. (2018). Probabilistic Theory of Mean Field Games with Applications. Springer, Vols. I & II.
3. DeWitt, B. S. (1967). Quantum theory of gravity. I. The canonical theory. Physical Review, 160(5), 1113.
4. Hartle, J. B. & Hawking, S. W. (1983). Wave function of the Universe. Physical Review D, 28(12), 2960.
5. Atiyah, M. F., Patodi, V. K. & Singer, I. M. (1975). Spectral asymmetry and Riemannian geometry. I. Mathematical Proceedings of the Cambridge Philosophical Society, 77(1), 43–69.
6. Witten, E. (1982). Constraints on supersymmetry breaking. Nuclear Physics B, 202(2), 253–316.
7. Edelsbrunner, H., Letscher, D. & Zomorodian, A. (2002). Topological persistence and simplification. Discrete & Computational Geometry, 28(4), 511–533.
8. Carlsson, G. (2009). Topology and data. Bulletin of the AMS, 46(2), 255–308.
9. Gidea, M. & Katz, Y. (2018). Topological data analysis of financial time series: landscapes of crashes. Physica A, 491, 820–834.
10. HFThot Research (2026). WP-5 — Topological Arbitrage & the Dirac Market Operator. Private whitepaper, 43 p. (Quant & Institutionnel tiers).