feat: 50-signal macro engine — vol surface, sectors, EM, carry, long bonds

data_fetcher.py
- MACRO_GAUGE_CONFIG: 15 → 29 tickers (+silver, vvix, skew, ovx, gvz,
  usdjpy, xlk, xlf, xlp, xlu, eem, emb, fxi, tlt)
- 5 new derived metrics: silver_gold_ratio, xlk_xlp_momentum, xlf_spx_ratio,
  eem_spx_ratio, vol_surface_regime (composite classification)
- ThreadPoolExecutor max_workers raised to 20
- score_macro_scenarios: +15 new variables; each of 8 scenarios enriched
  with vol-surface (SKEW, VVIX), sector rotation (XLK, XLF, XLP, XLU),
  EM/carry (EEM, EMB, USDJPY), long bonds (TLT), silver signals

ai_analyzer.py
- macro_ctx: 5 → 21 fields per pattern (vol surface, sectors, EM, carry,
  long bonds, silver/gold ratio — all with interpretation comments)
- macro_section in scoring prompt: describes surface de vol regime, sector
  rotation, global/carry signals with explicit GPT instructions for pilier 3e
- DEFAULT_ANALYSIS_TEMPLATE: pilier 3e expanded with SKEW/VVIX/OVX/GVZ guidance

SIGNALS_FUTURES.md: reference document listing 30+ signals not yet
available (FRED, CFTC COT, EIA, Baltic Dry, LME, credit spreads,
hedge fund positioning, central bank balance sheets) with implementation
priority and cost estimate.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

SIGNALS_FUTURES.md

@@ -0,0 +1,78 @@
+# Signaux non disponibles actuellement — Feuille de route
+
+Ce document liste les signaux macro et de marché que nous ne pouvons pas encore
+récupérer gratuitement via yfinance, et les sources qui les rendraient accessibles.
+
+---
+
+## A. Disponibles gratuitement mais non encore intégrés
+
+Ces sources sont accessibles sans abonnement — implémentation possible.
+
+| Signal | Source | Délai | Intérêt pour le trade |
+|--------|---------|-------|----------------------|
+| **CFTC Commitments of Traders (COT)** | cftc.gov (CSV hebdomadaire) | 3 jours ouvrés | Positionnement net des spéculateurs sur or, pétrole, blé, forex — signal de retournement contrarian fort |
+| **Baltic Dry Index (BDI)** | Scrapage web (Investing.com) | J+1 | Leading indicator du commerce mondial — baisse = ralentissement industriel global |
+| **Fed H.4.1 — Bilan de la Fed (weekly)** | federalreserve.gov (CSV) | 1 semaine | Expansion/contraction du bilan Fed = signal quantitative easing/tightening |
+| **US Money Supply M2** | FRED API (gratuit) | ~6 semaines | Croissance M2 → inflation future ; contraction M2 → récession (2022-2023 signal) |
+| **CNN Fear & Greed Index** | Scrapage CNN | J | Sentiment extrême (0 = peur max, 100 = avidité max) — contrarian signal timing |
+| **AAII Investor Sentiment Survey** | aaii.com (hebdo) | 1 semaine | % bulls/bears retail — extrêmes signalent retournement |
+| **FRED Economic Data (40+ séries)** | api.stlouisfed.org (gratuit) | Variable | CPI, PCE, taux chômage U6, leading indicators Conference Board, etc. |
+| **US 2Y Treasury yield** | yfinance `^IRX` proxy ou FRED | J | Segment le plus Fed-sensitive — différentiel 2Y/10Y = meilleur signal récession |
+| **Breakeven inflation 5Y (TIPS)** | FRED: T5YIE | J+1 | Taux réels implicites = ce que le marché anticipe pour l'inflation |
+| **Indice PMI manufacturier (ISM)** | Scrapage ou FRED | Mensuel | PMI < 50 = contraction manufacturière ; PMI > 55 = expansion forte |
+| **Google Trends (mots-clés macro)** | pytrends (gratuit) | J | "Recession", "unemployment", "inflation" — sentiment populaire précède souvent les données |
+| **Données OPEC production** | opec.org (PDF/RSS) | Mensuel | Production réelle vs quota = signal énergie avant les chiffres EIA |
+| **EIA Crude Oil Inventories** | eia.gov (CSV) | Hebdo (mercredi) | Stocks pétrole US = driver court terme du WTI |
+
+---
+
+## B. Nécessitent un abonnement payant (prix modéré)
+
+| Signal | Source | Coût estimé | Intérêt |
+|--------|---------|-------------|---------|
+| **CBOE Put/Call Ratio (temps réel)** | CBOE DataShop | ~$50/mois | Sentiment options en temps réel — P/C > 1.2 = panique = timing long |
+| **Gamma Exposure (GEX) SPX** | SpotGamma / SqueezeMetrics | ~$50-150/mois | Exposition gamma des market makers = niveaux magnétiques prix, vol des options |
+| **Options Flow (dark pools)** | Unusual Whales / FlowAlgo | ~$50-200/mois | Gros blocs institutionnels sur options = signal directionnel fort |
+| **Short Interest Ratio** | Ortex / S3 Partners | ~$100/mois | % float vendu à découvert = squeeze potential ou bearish conviction institutionnel |
+| **Credit Default Swaps (CDS IG/HY)** | Bloomberg / Markit | $500+/mois | Spread CDS direct = meilleur indicateur crédit (vs HYG qui est proxy) |
+| **VIX Term Structure (VX Futures)** | CBOE / IVolatility | ~$30/mois | Contango/backwardation exact de la courbe VIX futures — clé pour stratégies vol |
+| **Skew par sous-jacent (GLD, USO, etc.)** | IVolatility / OptionMetrics | ~$50/mois | Skew spécifique par ETF = évalue si les puts/calls sont chers sur TON sous-jacent |
+| **Insider Trading en temps réel** | OpenInsider (partiellement gratuit) | ~$50/mois pour alertes | Achats/ventes dirigeants = signal fondamental avant résultats |
+| **Earnings Revision Score** | Factset / Bloomberg | $500+/mois | Révisions de bénéfices = meilleur driver des actions sur 3-6 mois |
+
+---
+
+## C. Signaux structurellement difficiles à obtenir
+
+Ces données sont soit OTC, soit publiées avec un délai important, soit agrégées uniquement
+par des institutions qui ne les partagent pas publiquement.
+
+| Signal | Problème d'accès | Intérêt si disponible |
+|--------|-----------------|----------------------|
+| **Réserves d'or des banques centrales** | FMI publie avec 2-3 mois de délai ; achats réels souvent cachés | Demande physique institutionnelle = pression prix or moyen terme |
+| **Bilans détaillés BCE/PBoC/BoJ** | Données disponibles mais complexes à parser (formats hétérogènes, langues) | Expansion monétaire mondiale = signal reflation/inflation globale |
+| **Positionnement hedge funds (13F)** | SEC 13F = 45 jours de délai après fin du trimestre | Trop tardif pour le trading — anecdotique |
+| **Dettes souveraines EM (libellées en USD)** | Banque Mondiale, FMI — trimestriels/annuels | Signal de crise de dette EM avant que ça se voit sur EEM/EMB |
+| **Prix physiques vs prix futures (basis)** | OTC / brokers spécialisés matières premières | Basis pétrole = signal supply/demand physique réel vs spéculatif |
+| **Dark pool prints (actions)** | FINRA publie avec délai ; temps réel = ~$500+/mois | Flow institutionnel avant les mouvements visibles |
+| **Inventaires métaux LME (Cu, Al, Zn, Ni)** | LME.com — partiellement gratuit | Stocks physiques cuivre/aluminium = confirmation Dr Copper signal |
+| **Taux SOFR / repo overnight** | NY Fed publie J+1 — utilisable | Stress du marché repo = signal crise liquidité avant VIX |
+| **Global PMI composite (JP Morgan)** | IHS Markit / S&P — abonnement | PMI monde = leading indicator croissance globale avant EEM |
+| **Inflation swap rates (5Y5Y forward)** | Bloomberg uniquement | Anticipations inflation long terme des pros — différent du breakeven TIPS |
+
+---
+
+## D. Priorités d'implémentation suggérées
+
+Par ordre de valeur/effort :
+
+1. **FRED API (gratuit)** — M2, breakeven 5Y, US 2Y yield, leading indicators → ±2h de dev
+2. **CFTC COT (gratuit, hebdo)** — COT or + pétrole + blé → signal contrarian puissant → ±4h de dev
+3. **EIA inventories pétrole (gratuit)** — driver court terme WTI → ±2h de dev
+4. **CNN Fear & Greed (scrapage)** — sentiment composite → ±1h de dev
+5. **Baltic Dry Index (scrapage)** — commerce mondial → ±1h de dev
+6. **LME stocks cuivre** — confirmation signal cuivre → ±2h de dev
+7. **SpotGamma GEX** (~$50/mois) — niveaux gamma SPX → impact direct stratégie
+8. **CBOE P/C ratio** (~$50/mois) — timing options → impact direct
+9. **VIX term structure** (~$30/mois) → améliore pilier 3e

backend/services/ai_analyzer.py

@@ -286,7 +286,13 @@ PILIER 3 — SIGNAUX DE PRIX  (35 pts max)
   3b. Énergie & Matières prem. (0-7): or, pétrole, gaz, cuivre, blé — direction et momentum
   3c. Forex                    (0-7): USD index, EUR/USD, paires émergentes — cohérence avec pattern
   3d. Actions & Indices        (0-7): SPX, NDX, rotation sectorielle, breadth, sentiment
-  3e. Volatilité (VIX/IV)      (0-7): régime de vol, coût options, skew — favorable à la stratégie ?
+  3e. Volatilité & Surface de vol (0-7):
+      - Régime VIX (niveau absolu et tendance)
+      - SKEW Index: si >135 → queues chères → PRÉFÉRER spreads (budget = max loss limité)
+        si <115 → vol bon marché → envisager straddles/strangles si catalyseur binaire
+      - VVIX: si >100 → straddles/strangles trop chers → préférer directionnels
+      - OVX (>40) / GVZ (>22): vol sectorielle élevée sur le sous-jacent → primes gonflées, spreads
+      - Régime surface: contango_calm (idéal vendre vol) vs backwardation_panic (primes explosées)
 
 PILIER 4 — RISQUE / RÉCOMPENSE  (15 pts max)
   4a. Asymétrie R/R            (0-10): ratio gain potentiel / prime payée / perte max pour ~1000€
@@ -419,11 +425,42 @@ def score_patterns_with_context(
                 "dominant_scenario": dominant,
                 "scenario_scores": scenarios.get("scores", {}),
                 "asset_class_bias": bias_for_class,
+                # ── Signaux historiques (phase 1) ─────────────────────────────
                 "vix": gauges.get("vix", {}).get("value"),
                 "yield_slope_pct": gauges.get("slope_10y3m", {}).get("value"),
                 "gold_copper_ratio": gauges.get("gold_copper_ratio", {}).get("value"),
                 "brent_1d_pct": gauges.get("brent", {}).get("change_pct"),
                 "spx_vs_200d_pct": gauges.get("spx_vs_200d", {}).get("value"),
+                # ── Surface de volatilité (phase 2) ──────────────────────────
+                # SKEW >135 = queues chères → spreads; <115 = vol bon marché → straddles
+                "skew_index": gauges.get("skew", {}).get("value"),
+                # VVIX >100 = straddles/strangles trop chers → préférer directionnels
+                "vvix": gauges.get("vvix", {}).get("value"),
+                # Vol sectorielle spécifique au sous-jacent
+                "oil_vol_ovx": gauges.get("ovx", {}).get("value"),
+                "gold_vol_gvz": gauges.get("gvz", {}).get("value"),
+                # Régime composite: contango_calm|normal|tail_risk_elevated|backwardation_panic|complacency_hedged
+                "vol_surface_regime": gauges.get("vol_surface_regime", {}).get("note"),
+                # ── Rotation sectorielle (phase 2) ────────────────────────────
+                # Positif = tech > défensifs = risk-on; négatif = rotation défensive
+                "tech_vs_staples_pct": gauges.get("xlk_xlp_momentum", {}).get("value"),
+                # Négatif = banques < marché = stress économique anticipé
+                "financials_vs_spx_pct": gauges.get("xlf_spx_ratio", {}).get("value"),
+                # ── Global / Marchés émergents (phase 2) ─────────────────────
+                "em_equity_1d_pct": gauges.get("eem", {}).get("change_pct"),
+                "em_bonds_1d_pct": gauges.get("emb", {}).get("change_pct"),
+                "china_equity_1d_pct": gauges.get("fxi", {}).get("change_pct"),
+                # Ratio EM vs SPX: positif = croissance globale; négatif = fuite vers US
+                "em_vs_us_divergence_pct": gauges.get("eem_spx_ratio", {}).get("value"),
+                # ── Carry / Risk-off (phase 2) ────────────────────────────────
+                # Négatif = JPY s'apprécie = carry unwind = risk-off global
+                "usdjpy_1d_pct": gauges.get("usdjpy", {}).get("change_pct"),
+                # ── Long bonds / Qualité (phase 2) ────────────────────────────
+                # Positif = flight to quality = risk-off; négatif = taux longs remontent
+                "long_bond_tlt_1d_pct": gauges.get("tlt", {}).get("change_pct"),
+                # ── Métaux (phase 2) ──────────────────────────────────────────
+                # Ratio Ag/Au: >0.016 = argent > or = risk-on industriel; <0.012 = defensive metals
+                "silver_gold_ratio": gauges.get("silver_gold_ratio", {}).get("value"),
             }
 
         pattern_blocks.append({
@@ -451,17 +488,50 @@ def score_patterns_with_context(
     macro_section = ""
     if macro_regime:
         sc = macro_regime.get("scenarios", {})
+        gauges_g = macro_regime.get("gauges", {})
         dom = sc.get("dominant", "incertain")
         sc_scores = sc.get("scores", {})
+        # Extract key new signals for global macro summary
+        _skew  = gauges_g.get("skew", {}).get("value")
+        _vvix  = gauges_g.get("vvix", {}).get("value")
+        _ovx   = gauges_g.get("ovx", {}).get("value")
+        _vol_r = gauges_g.get("vol_surface_regime", {}).get("note", "normal")
+        _tech_st = gauges_g.get("xlk_xlp_momentum", {}).get("value")
+        _xlf_spx = gauges_g.get("xlf_spx_ratio", {}).get("value")
+        _eem_c = gauges_g.get("eem", {}).get("change_pct")
+        _usdjpy_c = gauges_g.get("usdjpy", {}).get("change_pct")
+        _tlt_c = gauges_g.get("tlt", {}).get("change_pct")
+        _sgr   = gauges_g.get("silver_gold_ratio", {}).get("value")
+
+        def _fmt(v, unit="", decimals=1):
+            return f"{v:.{decimals}f}{unit}" if v is not None else "n/d"
+
         macro_section = f"""
-RÉGIME MACRO ACTUEL (30 compteurs agrégés):
+RÉGIME MACRO ACTUEL (50 compteurs — 29 tickers + 9 métriques dérivées):
 - Scénario dominant: {dom.upper()} | Scores: {json.dumps(sc_scores, ensure_ascii=False)}
-- Instruction: Intègre ce régime dans les piliers prix (3a taux, 3b énergie, 3d indices, 3e VIX).
+
-  Chaque pattern reçoit un champ "macro_regime.asset_class_bias" indiquant la compatibilité
+SURFACE DE VOLATILITÉ (pilier 3e — impact direct stratégie options):
-  (bullish+/bullish/neutral/bearish/bearish+/defensive) de sa classe d'actif avec le scénario dominant.
+- SKEW Index: {_fmt(_skew, '', 0)} | Régime vol: {_vol_r} | VVIX: {_fmt(_vvix, '', 0)} | OVX: {_fmt(_ovx, '', 0)}
-  → "bullish+" = conditions très favorables pour ce pattern → majore 3b ou 3d selon la classe
+  → SKEW >135 = queues chères → SPREADS (pas de straddles). VVIX >100 = primes gonflées → directionnels.
-  → "bearish" ou "bearish+" = conditions défavorables → minore 3b ou 3d
+  → {_vol_r} = {"contango calme: idéal spreads bon marché" if _vol_r == "contango_calm" else "backwardation/panique: options très chères, primes à vendre" if _vol_r == "backwardation_panic" else "tail risk élevé: protection queues = faveur spreads définis" if _vol_r == "tail_risk_elevated" else "environnement normal"}
-  Indique dans "summary": [GOLDILOCKS|STAGFLATION|RÉCESSION|DÉSINFLATION|CRISE] + [SUPPORTING|NEUTRAL|CONTRA]
+
+ROTATION SECTORIELLE & RISQUE (pilier 3d + 3e):
+- Tech vs Défensifs (XLK-XLP): {_fmt(_tech_st, '%pts')} | Financières vs S&P: {_fmt(_xlf_spx, '%pts')}
+  → {"Risk-on sectoriel fort" if _tech_st and _tech_st > 0.5 else "Rotation défensive ⚠️" if _tech_st and _tech_st < -0.5 else "Neutre sectoriel"}
+  → {"Banques saines = pas de récession" if _xlf_spx and _xlf_spx > 0.3 else "Stress bancaire anticipé ⚠️" if _xlf_spx and _xlf_spx < -0.3 else ""}
+
+GLOBAL / CARRY / QUALITÉ (pilier 3a + 3d):
+- EM Actions J+1: {_fmt(_eem_c, '%')} | USD/JPY J+1: {_fmt(_usdjpy_c, '%')} | TLT (20Y bonds) J+1: {_fmt(_tlt_c, '%')}
+- Ratio Ag/Or: {_fmt(_sgr, '', 5)}
+  → {"EM surperforme = croissance globale" if _eem_c and _eem_c > 0.5 else "EM stress = fuite vers US ⚠️" if _eem_c and _eem_c < -1.0 else ""}
+  → {"JPY s'apprécie = carry unwind = risk-off ⚠️" if _usdjpy_c and _usdjpy_c < -0.8 else "JPY faible = risk-on carry actif" if _usdjpy_c and _usdjpy_c > 0.5 else ""}
+  → {"TLT monte = flight to quality = bonds longs demandés" if _tlt_c and _tlt_c > 0.3 else "TLT baisse = taux longs remontent = inflation/risk-on" if _tlt_c and _tlt_c < -0.3 else ""}
+
+Instructions de notation:
+- Intègre le régime dans 3a (taux: slope+TLT), 3b (énergie+OVX), 3d (indices+XLF+EM), 3e (SKEW+VVIX+régime)
+- "macro_regime.asset_class_bias" dans chaque pattern → majore/minore 3b ou 3d
+- "macro_regime.skew_index" + "vol_surface_regime" → influence directe sur le choix de stratégie dans "recommended_trade"
+- Indique dans "summary": [GOLDILOCKS|STAGFLATION|RÉCESSION|DÉSINFLATION|CRISE] + [SUPPORTING|NEUTRAL|CONTRA]
 """
 
     user = f"""CONTEXTE GLOBAL:

backend/services/data_fetcher.py

@@ -292,21 +292,44 @@ def get_economic_calendar() -> List[Dict[str, Any]]:
 
 MACRO_GAUGE_CONFIG = [
     # (id, label, ticker, unit, bloc)
+    # ── Liquidité / Taux ─────────────────────────────────────────────────────
     ("dxy",    "Dollar DXY",              "DX-Y.NYB", "index",  "liquidite"),
     ("us10y",  "UST 10Y",                 "^TNX",     "%",      "liquidite"),
     ("us3m",   "UST 3M",                  "^IRX",     "%",      "liquidite"),
     ("tips",   "TIPS ETF",                "TIP",      "$",      "liquidite"),
+    ("tlt",    "Obligations 20Y+ (TLT)",  "TLT",      "$",      "liquidite"),
+    # ── Crédit ───────────────────────────────────────────────────────────────
     ("vix",    "VIX",                     "^VIX",     "pts",    "credit"),
     ("hyg",    "HY Bonds (HYG)",          "HYG",      "$",      "credit"),
     ("lqd",    "IG Bonds (LQD)",          "LQD",      "$",      "credit"),
     ("ief",    "Trésor 7-10Y (IEF)",      "IEF",      "$",      "credit"),
+    # ── Énergie ──────────────────────────────────────────────────────────────
     ("brent",  "Brent",                   "BZ=F",     "$",      "energie"),
     ("ng",     "Gaz naturel",             "NG=F",     "$",      "energie"),
+    # ── Métaux ───────────────────────────────────────────────────────────────
     ("gold",   "Or",                      "GC=F",     "$",      "metaux"),
+    ("silver", "Argent (Silver)",          "SI=F",     "$/oz",   "metaux"),
     ("copper", "Cuivre",                  "HG=F",     "$/lb",   "metaux"),
+    # ── Croissance US ─────────────────────────────────────────────────────────
     ("spx",    "S&P 500",                 "^GSPC",    "pts",    "croissance"),
     ("iwm",    "Russell 2000",            "IWM",      "$",      "croissance"),
     ("xli",    "Industriels XLI",         "XLI",      "$",      "croissance"),
+    # ── Secteurs US (rotation) ────────────────────────────────────────────────
+    ("xlk",    "Tech (XLK)",              "XLK",      "$",      "secteurs"),
+    ("xlf",    "Financières (XLF)",       "XLF",      "$",      "secteurs"),
+    ("xlp",    "Conso. défensif (XLP)",   "XLP",      "$",      "secteurs"),
+    ("xlu",    "Utilities (XLU)",         "XLU",      "$",      "secteurs"),
+    # ── Volatilité de surface ─────────────────────────────────────────────────
+    ("vvix",   "VVIX (vol-of-vol)",       "^VVIX",    "pts",    "volatilite"),
+    ("skew",   "CBOE SKEW",               "^SKEW",    "pts",    "volatilite"),
+    ("ovx",    "Pétrole Vol (OVX)",        "^OVX",     "pts",    "volatilite"),
+    ("gvz",    "Or Vol (GVZ)",             "^GVZ",     "pts",    "volatilite"),
+    # ── Global / EM ───────────────────────────────────────────────────────────
+    ("eem",    "EM Actions (EEM)",         "EEM",      "$",      "global"),
+    ("emb",    "EM Bonds (EMB)",           "EMB",      "$",      "global"),
+    ("fxi",    "Chine Large Cap (FXI)",    "FXI",      "$",      "global"),
+    # ── Forex risk-off ────────────────────────────────────────────────────────
+    ("usdjpy", "USD/JPY",                 "USDJPY=X", "pts",    "forex_ro"),
 ]
 
 SCENARIO_META = {
@@ -337,7 +360,7 @@ def get_macro_gauges() -> Dict[str, Any]:
     from concurrent.futures import ThreadPoolExecutor, as_completed
 
     raw: Dict[str, Any] = {}
-    with ThreadPoolExecutor(max_workers=min(len(MACRO_GAUGE_CONFIG), 12)) as exe:
+    with ThreadPoolExecutor(max_workers=min(len(MACRO_GAUGE_CONFIG), 20)) as exe:
         futures = {
             exe.submit(get_quote, ticker): (gid, label, ticker, unit, bloc)
             for gid, label, ticker, unit, bloc in MACRO_GAUGE_CONFIG
@@ -414,6 +437,72 @@ def get_macro_gauges() -> Dict[str, Any]:
                  else ("parité" if rel_perf > -0.2 else "large caps dominants (défensif)")),
     }
 
+    # Derived: Silver / Gold ratio (Silver oz / Gold oz — proxy risk-on metals)
+    # <0.012 = or surperforme = risk-off; >0.016 = argent surperforme = risk-on industrie
+    sv = raw.get("silver", {}).get("value")
+    gv_ = raw.get("gold", {}).get("value")
+    sgr = round(sv / gv_, 5) if (sv and gv_) else None
+    raw["silver_gold_ratio"] = {
+        "id": "silver_gold_ratio", "label": "Ratio Argent/Or",
+        "ticker": None, "value": sgr, "change_pct": None, "unit": "ratio", "bloc": "derive",
+        "note": ("argent surperforme (risk-on industriel)" if sgr and sgr > 0.016
+                 else ("neutre" if sgr and sgr > 0.012 else ("or surperforme (risk-off)" if sgr else None))),
+    }
+
+    # Derived: Tech vs Consumer Staples relative performance (XLK vs XLP)
+    # Positive = tech > défensifs = risk-on; negative = rotation défensive = ralentissement
+    xlk_c = raw.get("xlk", {}).get("change_pct") or 0.0
+    xlp_c = raw.get("xlp", {}).get("change_pct") or 0.0
+    tech_vs_staples = round(xlk_c - xlp_c, 2)
+    raw["xlk_xlp_momentum"] = {
+        "id": "xlk_xlp_momentum", "label": "Tech vs Défensifs (XLK-XLP)",
+        "ticker": None, "value": tech_vs_staples, "change_pct": None, "unit": "pts%", "bloc": "derive",
+        "note": ("tech > défensifs (risk-on fort)" if tech_vs_staples > 0.5
+                 else ("parité" if tech_vs_staples > -0.5 else "rotation défensive ⚠️")),
+    }
+
+    # Derived: Financials vs S&P relative performance (XLF vs SPX)
+    # XLF is a leading indicator — underperformance signals credit/economic stress ahead
+    xlf_c = raw.get("xlf", {}).get("change_pct") or 0.0
+    xlf_vs_spx = round(xlf_c - spx_c_val, 2)
+    raw["xlf_spx_ratio"] = {
+        "id": "xlf_spx_ratio", "label": "Financières vs S&P (XLF-SPX)",
+        "ticker": None, "value": xlf_vs_spx, "change_pct": None, "unit": "pts%", "bloc": "derive",
+        "note": ("banques > marché (expansion crédit)" if xlf_vs_spx > 0.3
+                 else ("parité" if xlf_vs_spx > -0.3 else "banques < marché ⚠️ (stress crédit)")),
+    }
+
+    # Derived: EM vs US equity relative performance (EEM vs SPX)
+    # Positive = global risk-on; negative = fuite vers US (dollar strength, EM stress)
+    eem_c = raw.get("eem", {}).get("change_pct") or 0.0
+    eem_vs_spx = round(eem_c - spx_c_val, 2)
+    raw["eem_spx_ratio"] = {
+        "id": "eem_spx_ratio", "label": "EM vs S&P (EEM-SPX)",
+        "ticker": None, "value": eem_vs_spx, "change_pct": None, "unit": "pts%", "bloc": "derive",
+        "note": ("EM > US (croissance globale)" if eem_vs_spx > 0.3
+                 else ("parité" if eem_vs_spx > -0.5 else "fuite vers US ⚠️ (EM stress/dollar fort)")),
+    }
+
+    # Derived: Vol surface regime — composite classification from VIX + VVIX + SKEW
+    vix_v = raw.get("vix", {}).get("value") or 20.0
+    vvix_v = raw.get("vvix", {}).get("value") or 85.0
+    skew_v = raw.get("skew", {}).get("value") or 115.0
+    if vix_v < 15 and vvix_v < 90 and skew_v < 120:
+        vol_regime = "contango_calm"       # ideal pour vendre vol ou spreads bon marché
+    elif vix_v > 30 or vvix_v > 110:
+        vol_regime = "backwardation_panic" # stress aigu — options chères, spreads larges
+    elif skew_v > 140 and vix_v > 20:
+        vol_regime = "tail_risk_elevated"  # marché achète protection queue = méfiance
+    elif vix_v < 20 and skew_v > 130:
+        vol_regime = "complacency_hedged"  # calme apparent mais queues protégées
+    else:
+        vol_regime = "normal"
+    raw["vol_surface_regime"] = {
+        "id": "vol_surface_regime", "label": "Régime Surface de Vol",
+        "ticker": None, "value": None, "change_pct": None, "unit": "regime", "bloc": "derive",
+        "note": vol_regime,
+    }
+
     return _sanitize_floats(raw)
 
 
@@ -449,6 +538,22 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     iwm_c    = gc("iwm")
     xli_c    = gc("xli")
     rel_perf = gv("iwm_spx_ratio") or 0.0  # Russell vs S&P relative perf
+    # ── Nouveaux signaux (phase 2 — 50 compteurs) ────────────────────────────
+    skew_v   = gv("skew") or 115.0   # CBOE SKEW: normal ~115, élevé >130, extrême >145
+    vvix_v   = gv("vvix") or 85.0    # Vol-of-vol: normal ~85, élevé >100, panique >115
+    ovx_v    = gv("ovx") or 25.0     # Oil vol implicite
+    gvz_v    = gv("gvz") or 17.0     # Gold vol implicite
+    tlt_c    = gc("tlt")             # Long bonds 20Y+ (hausse = flight to quality)
+    xlk_c    = gc("xlk")             # Tech (hausse = risk-on sectoriel)
+    xlf_c    = gc("xlf")             # Financières (baisse = stress crédit)
+    xlp_c    = gc("xlp")             # Conso. défensif (hausse = rotation défensive)
+    xlu_c    = gc("xlu")             # Utilities (hausse = rotation défensive)
+    eem_c    = gc("eem")             # EM actions (hausse = croissance globale)
+    emb_c    = gc("emb")             # EM bonds (baisse = crise liquidité EM)
+    fxi_c    = gc("fxi")             # Chine equities
+    usdjpy_c = gc("usdjpy")          # USD/JPY (baisse = JPY s'apprécie = risk-off/panique carry)
+    silver_c = gc("silver")          # Argent (surperf or = risk-on industriel)
+    tech_vs_staples = gv("xlk_xlp_momentum") or 0.0
 
     scores: Dict[str, int] = {}
     reasons: Dict[str, List[str]] = {}
@@ -470,6 +575,12 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
         if vs200 > 5:   s += 15; r.append(f"S&P+{vs200}% vs 200j")
         elif vs200 > 0: s += 7
     if copper_c > 0.5: s += 10; r.append("Cuivre↑")
+    # Signaux phase 2
+    if skew_v < 115:    s += 6; r.append(f"SKEW {skew_v:.0f} (no tail hedge = complacency)")
+    if vvix_v < 85:     s += 5; r.append(f"VVIX {vvix_v:.0f} (vol stable)")
+    if tech_vs_staples > 0.5: s += 7; r.append("Tech > Défensifs (risk-on sectoriel)")
+    if eem_c > 0.3:     s += 6; r.append("EM↑ (croissance globale)")
+    if usdjpy_c > 0.2:  s += 4; r.append("JPY↓ (carry actif = risk-on)")
     scores["goldilocks"] = min(100, s); reasons["goldilocks"] = r
 
     # DÉSINFLATION / BAISSE DE TAUX
@@ -483,6 +594,10 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     if vs200 is not None and vs200 > 0: s += 20; r.append("S&P au-dessus 200j")
     if hyg_c > 0:       s += 10; r.append("HYG↑")
     if gold_c > 0 and brent_c < 0: s += 10; r.append("Or↑+Brent↓ (taux réels ↓)")
+    # Signaux phase 2
+    if tlt_c > 0.5:     s += 12; r.append("TLT↑↑ (taux 20Y baissent = désinflation confirmée)")
+    elif tlt_c > 0.2:   s += 6;  r.append("TLT↑ (bonds longs soutiennent)")
+    if xlf_c > 0:       s += 5;  r.append("XLF↑ (banques = anticipent baisse taux)")
     scores["desinflation"] = min(100, s); reasons["desinflation"] = r
 
     # STAGFLATION — inflation + croissance faible
@@ -497,6 +612,11 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     if gold_c > 0.5:    s += 15; r.append("Or↑ (protection inflation)")
     if copper_c < 0:    s += 15; r.append("Cuivre↓ (demande faible)")
     if vix > 18:        s += 10; r.append("VIX élevé")
+    # Signaux phase 2
+    if xlp_c > xlk_c + 0.5: s += 8; r.append("Défensifs > Tech (rotation stagflationniste)")
+    if xlu_c > 0.4:          s += 6; r.append("Utilities↑ (rotation vers revenus stables)")
+    if skew_v > 130:         s += 5; r.append(f"SKEW {skew_v:.0f} (tail risk croissant)")
+    if tlt_c < -0.3:         s += 5; r.append("TLT↓ (taux longs remontent = inflation persistante)")
     scores["stagflation"] = min(100, s); reasons["stagflation"] = r
 
     # RÉCESSION
@@ -514,6 +634,15 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     if hyg_c < -0.5:  s += 15; r.append("HYG↓ (spreads s'écartent)")
     elif hyg_c < 0:   s += 5
     if gold_c > 0.3:  s += 10; r.append("Or↑ (refuge)")
+    # Signaux phase 2
+    if tlt_c > 0.5:      s += 15; r.append("TLT↑↑ (fuite vers bonds longs = signal recessionnaire fort)")
+    elif tlt_c > 0.2:    s += 7;  r.append("TLT↑ (obligations soutenues)")
+    if xlf_c < -1.0:     s += 12; r.append("Financières↓↓ (banques = leading indicator récession)")
+    elif xlf_c < -0.3:   s += 5
+    if eem_c < -1.0:     s += 8;  r.append("EM↓ (global slowdown)")
+    if usdjpy_c < -1.0:  s += 10; r.append("JPY↑↑ (carry unwind = risk-off global)")
+    elif usdjpy_c < -0.5: s += 5
+    if skew_v > 135:     s += 8;  r.append(f"SKEW {skew_v:.0f} (tail risk extrême)")
     scores["recession"] = min(100, s); reasons["recession"] = r
 
     # CRISE DE LIQUIDITÉ
@@ -530,6 +659,16 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     if gold_c > 1.0 and copper_c < -1.0: s += 20; r.append("Or↑+Cuivre↓ (fuite sécurité)")
     if dxy_c > 1.0:  s += 15; r.append("Dollar↑↑")
     if ief_c > 0.5:  s += 10; r.append("Obligations souveraines↑↑")
+    # Signaux phase 2 — les meilleurs indicateurs de crise liquide
+    if skew_v > 145:     s += 15; r.append(f"SKEW {skew_v:.0f} — extrême tail risk (panique protection)")
+    elif skew_v > 135:   s += 8
+    if vvix_v > 115:     s += 15; r.append(f"VVIX {vvix_v:.0f} — vol-of-vol panique")
+    elif vvix_v > 100:   s += 8;  r.append(f"VVIX {vvix_v:.0f} — vol élevée")
+    if usdjpy_c < -1.5:  s += 15; r.append("JPY↑↑↑ (carry trade unwind = panique globale)")
+    elif usdjpy_c < -0.8: s += 7; r.append("JPY↑ (risk-off carry)")
+    if xlf_c < -2.0:     s += 15; r.append("Banques↓↓ (stress bancaire systémique)")
+    elif xlf_c < -1.0:   s += 7
+    if emb_c < -1.0:     s += 10; r.append("EM Bonds↓ (fuite liquidité EM)")
     scores["crise_liquidite"] = min(100, s); reasons["crise_liquidite"] = r
 
     # REFLATION — croissance accélère + inflation remonte (cuivre, énergie, small caps explosent)
@@ -547,6 +686,12 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     if rel_perf > 0.3: s += 10; r.append("Small caps > large (risk-on large)")
     elif rel_perf > 0: s += 4
     if vix < 18: s += 5
+    # Signaux phase 2
+    if eem_c > 1.0:    s += 10; r.append("EM↑↑ (croissance mondiale = reflation globale)")
+    elif eem_c > 0.3:  s += 5;  r.append("EM↑ (global risk-on)")
+    if xlk_c > 1.0:   s += 8;  r.append("Tech↑↑ (croissance+momentum)")
+    if silver_c > 1.5: s += 8;  r.append("Argent↑↑ (industrial metals = reflation industrielle)")
+    if usdjpy_c > 0.5: s += 6;  r.append("JPY↓ (carry trades actifs = risk-on global)")
     scores["reflation"] = min(100, s); reasons["reflation"] = r
 
     # SOFT LANDING — croissance positive + inflation en repli, pas encore basse
@@ -562,6 +707,10 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     if xli_c > 0:      s += 8;  r.append("Industriels positifs")
     if copper_c > 0:   s += 5;  r.append("Cuivre stable")
     if ief_c > 0 and brent_c < 0: s += 7; r.append("Taux baissent + énergie recule")
+    # Signaux phase 2
+    if xlf_c > 0:      s += 8;  r.append("Financières↑ (banques = économie saine, no recession)")
+    if eem_c > 0:      s += 5;  r.append("EM stable (croissance globale intacte)")
+    if skew_v < 130:   s += 4;  r.append(f"SKEW {skew_v:.0f} (tail risk non-extrême)")
     scores["soft_landing"] = min(100, s); reasons["soft_landing"] = r
 
     # CHOC INFLATIONNISTE — spike énergie/supply soudain (guerre, OPEC, sécheresse)
@@ -578,6 +727,12 @@ def score_macro_scenarios(gauges: Dict[str, Any]) -> Dict[str, Any]:
     elif vix > 18:      s += 5
     if copper_c < -0.5: s += 8; r.append("Cuivre↓ (demand destruction)")
     if ief_c < -0.2:    s += 8; r.append("Trésor↓ (taux longs remontent)")
+    # Signaux phase 2
+    if ovx_v > 45:      s += 15; r.append(f"OVX {ovx_v:.0f} — vol pétrole extreme (choc supply aigu)")
+    elif ovx_v > 35:    s += 8;  r.append(f"OVX {ovx_v:.0f} — vol pétrole élevée")
+    if gvz_v > 22:      s += 8;  r.append(f"GVZ {gvz_v:.0f} — vol or élevée (inflation/géo)")
+    if xlp_c > 0.5:     s += 6;  r.append("Défensifs↑ (rotation anti-inflation)")
+    if tlt_c < -0.5:    s += 8;  r.append("TLT↓↓ (taux 20Y montent = anticipation inflation)")
     scores["inflation_shock"] = min(100, s); reasons["inflation_shock"] = r
 
     ranked = sorted(scores.items(), key=lambda x: x[1], reverse=True)