Éthique & muraille publique/privée

Ce que vous voyez dans le LMS public, et ce qui reste dans l'instance privée.

TL;DR — Le LMS public ne sert que des données publiques ou synthétiques. Les modèles calibrés sur des données propriétaires (WP6 topologique étendu, alphas privés) restent dans le build d'instance privée et ne sont jamais importés ici. Un scanner CI bloque toute violation à la PR.

1. Politique de données pour les leçons

Chaque leçon du catalogue déclare son data_policy dans app/services/lms/catalog.yaml. Trois valeurs sont autorisées :

Politique	Description
`public_dataset`	Données ouvertes (Yahoo, CCXT public, Polymarket Gamma, ArXiv).
`synthetic`	Processus simulés (OU, Heston rugueux, signature kernels) générés à la volée.
`toy_calibration`	Calibrage pédagogique sur très petit échantillon — valeurs nominales.

Toute autre valeur fait échouer le scanner CI scripts/ci/check_no_private_imports.py.

2. Le mur Chinese-wall

Trois couches d'enforcement :

Code — l'enum DataPolicy est validé au chargement du catalogue.
CI — le scanner refuse tout import from .* import .*proprietary, silent_trading, private_alpha, dark_pool, lakehouse_private, ou tout chemin hfthot-lab-instance/proprietary.
Légal — la clause Chinese-wall des CGV interdit la rétro-ingénierie des modules privés et la corrélation entre flux LMS et signaux propriétaires.

3. Ce qui RESTE privé

Les calibrations réelles WP5/WP6 (topological arbitrage extended).
Le smart router institutionnel et ses signaux propriétaires.
Le change-feed lakehouse _changes/sessions.
Les notebooks de calibration sur données live.
Tous les modules sous hfthot-lab-instance/proprietary/.

4. Vos données restent les vôtres

Le sandbox de paper trading n'envoie aucune donnée à HFThot par défaut. Les forks notebook s'écrivent localement sous ~/lms_forks/<user_id>/. La progression LMS est stockée dans une SQLite locale par défaut. Aucun télémétrie n'est envoyée sans consentement explicite.

5. Audit

Le scanner CI check_no_private_imports.py et le workflow .github/workflows/lms-isolation.yml sont publics. Vous pouvez vérifier le SHA Git de la branche LMS contre celui que nous publions ici :

git clone git@github.com:ThotDjehuty/hfthot-lab-strategies.git
cd hfthot-lab-strategies
git checkout feat/lms-prereq-graph
python scripts/ci/check_no_private_imports.py

Sortie attendue : [lms-policy] OK — scanned N file(s) on the public surface, no forbidden references found.

Mis à jour le 2 mai 2026.

Ethics & public/private wall

What you see in the public LMS, and what stays in the private instance.

TL;DR — The public LMS serves only public or synthetic data. Models calibrated on proprietary data (WP6 extended topological, private alphas) stay in the private instance build and are never imported here. A CI scanner blocks any violation at PR time.

1. Data policy for lessons

Every lesson in the catalog declares its data_policy in app/services/lms/catalog.yaml. Three values are allowed:

Policy	Description
`public_dataset`	Open data (Yahoo, public CCXT, Polymarket Gamma, ArXiv).
`synthetic`	Simulated processes (OU, rough Heston, signature kernels) generated on the fly.
`toy_calibration`	Pedagogical calibration on a tiny sample — illustrative values only.

Any other value fails the CI scanner scripts/ci/check_no_private_imports.py.

2. The Chinese-wall

Three layers of enforcement:

Code — the DataPolicy enum is validated at catalog load time.
CI — the scanner rejects any from .* import .*proprietary, silent_trading, private_alpha, dark_pool, lakehouse_private, or any hfthot-lab-instance/proprietary path.
Legal — the Chinese-wall ToS clause forbids reverse-engineering of private modules and correlating LMS flows with proprietary signals.

3. What STAYS private

Real WP5/WP6 calibrations (topological arbitrage extended).
The institutional smart router and its proprietary signals.
The lakehouse change-feed _changes/sessions.
Live-data calibration notebooks.
All modules under hfthot-lab-instance/proprietary/.

4. Your data stays yours

The paper-trading sandbox sends no data to HFThot by default. Notebook forks write locally under ~/lms_forks/<user_id>/. LMS progress is stored in a local SQLite by default. No telemetry is sent without explicit consent.

5. Audit

The CI scanner check_no_private_imports.py and the workflow .github/workflows/lms-isolation.yml are public. You can verify the Git SHA of the LMS branch against the one we publish here:

git clone git@github.com:ThotDjehuty/hfthot-lab-strategies.git
cd hfthot-lab-strategies
git checkout feat/lms-prereq-graph
python scripts/ci/check_no_private_imports.py

Expected output: [lms-policy] OK — scanned N file(s) on the public surface, no forbidden references found.

Updated May 2, 2026.