admin/OpenFin
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
44ada3f8f151d805b05e0bb5c7ef447ec1a71c57
OpenFin/GeoOptions_Documentation_Complete.html
OpenSquared 44ada3f8f1 feat: stable macro regime detection — blended signals + Bayesian smoothing 
Replace 1-day change_pct with weighted blend (20% 1d / 50% 5d / 30% 10d)
for all 20 scored signals. Add Bayesian prior from rolling 25-day history
(weight 15%→45%) and a 10-point persistence threshold before regime switch.

Bootstrap on first load: replays last 20 trading days via yf.download batch
(45d) to pre-populate _regime_history, so stability is visible immediately.

Frontend: adds 'stable Xj' badge and history depth indicator on regime banner.
Doc: updates v4.0→v4.1, rewrites Étape 1 Régime Macro and glossary entry.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-06-19 12:40:38 +02:00

1465 lines
99 KiB
HTML
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
<!DOCTYPE html>
<html lang="fr">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>GeoOptions Intelligence — Manuel Complet v4.1</title>
<style>
*, *::before, *::after { box-sizing: border-box; margin: 0; padding: 0; }
body { font-family: 'Georgia', 'Times New Roman', serif; font-size: 10.5pt; line-height: 1.65; color: #1a1a2e; background: #fff; max-width: 960px; margin: 0 auto; padding: 40px 48px; }
h1 { font-size: 22pt; font-weight: 700; color: #0f2d6b; margin-bottom: 6px; }
h2 { font-size: 14pt; font-weight: 700; color: #0f2d6b; margin: 36px 0 12px; border-bottom: 2.5px solid #0f2d6b; padding-bottom: 6px; }
h3 { font-size: 11pt; font-weight: 700; color: #1a3a7c; margin: 22px 0 8px; }
h4 { font-size: 10pt; font-weight: 700; color: #2d5a9e; margin: 14px 0 5px; }
p { margin-bottom: 9px; }
table { width: 100%; border-collapse: collapse; margin: 14px 0 20px; font-size: 9.5pt; }
th { background: #0f2d6b; color: #fff; padding: 8px 12px; text-align: left; font-size: 8.5pt; text-transform: uppercase; letter-spacing: 0.5px; }
td { padding: 7px 12px; border-bottom: 1px solid #e2e8f0; vertical-align: top; }
tr:nth-child(even) td { background: #f8fafc; }
.callout { border-left: 4px solid; padding: 11px 15px; margin: 16px 0; border-radius: 0 6px 6px 0; font-size: 9.5pt; }
.callout.blue { border-color: #2d6be4; background: #eef4ff; }
.callout.green { border-color: #16a34a; background: #f0fdf4; }
.callout.amber { border-color: #d97706; background: #fffbeb; }
.callout.red { border-color: #dc2626; background: #fff5f5; }
.callout .label { font-weight: 700; font-size: 8.5pt; text-transform: uppercase; letter-spacing: 0.8px; margin-bottom: 3px; }
.callout.blue .label { color: #2d6be4; }
.callout.green .label { color: #16a34a; }
.callout.amber .label { color: #d97706; }
.callout.red .label { color: #dc2626; }
code { font-family: 'Courier New', monospace; font-size: 8.5pt; background: #f1f5f9; padding: 1px 5px; border-radius: 3px; color: #1e3a8a; }
.cover { text-align: center; padding: 50px 0 40px; border-bottom: 3px solid #0f2d6b; margin-bottom: 44px; }
.cover .subtitle { font-size: 12pt; color: #4a6fa5; margin-top: 8px; font-style: italic; }
.cover .meta { font-size: 9pt; color: #7a8aaa; margin-top: 20px; font-family: 'Courier New', monospace; }
.badge { display: inline-block; padding: 1px 8px; border-radius: 20px; font-size: 8pt; font-weight: 700; font-family: 'Courier New', monospace; }
.badge-ai { background: #dbeafe; color: #1e40af; }
.badge-mini { background: #ede9fe; color: #5b21b6; }
.badge-db { background: #f1f5f9; color: #475569; border: 1px solid #cbd5e1; }
.badge-p1 { background: #fee2e2; color: #991b1b; }
.badge-p2 { background: #fef3c7; color: #92400e; }
.badge-p3 { background: #dbeafe; color: #1e40af; }
.badge-p4 { background: #ede9fe; color: #5b21b6; }
hr { border: none; border-top: 1px solid #e2e8f0; margin: 28px 0; }
.page-break { page-break-before: always; }
ul { margin: 8px 0 12px 20px; }
li { margin-bottom: 4px; font-size: 9.5pt; }
.example-box { border: 1.5px solid #bfd1f5; border-radius: 8px; overflow: hidden; margin: 16px 0; }
.example-box .ex-header { background: #0f2d6b; color: white; padding: 10px 16px; font-weight: 700; font-size: 9.5pt; }
.example-box .ex-body { padding: 14px 16px; }
.formula-box { background: #f8fafc; border: 1px solid #e2e8f0; border-radius: 6px; padding: 12px 16px; font-family: 'Courier New', monospace; font-size: 10pt; margin: 12px 0; }
.kpi-grid { display: grid; grid-template-columns: repeat(4, 1fr); gap: 12px; margin: 14px 0 20px; }
.kpi-card { border: 1px solid #e2e8f0; border-radius: 8px; padding: 14px; text-align: center; }
.kpi-card .kpi-value { font-size: 18pt; font-weight: 700; color: #0f2d6b; }
.kpi-card .kpi-label { font-size: 8pt; color: #64748b; text-transform: uppercase; letter-spacing: 0.5px; margin-top: 4px; }
.bar-chart { margin: 12px 0; }
.bar-row { display: flex; align-items: center; margin-bottom: 8px; font-size: 9pt; }
.bar-label { width: 160px; flex-shrink: 0; text-align: right; padding-right: 10px; color: #374151; }
.bar-track { flex: 1; background: #f1f5f9; border-radius: 4px; height: 20px; overflow: hidden; }
.bar-fill { height: 100%; border-radius: 4px; display: flex; align-items: center; padding-left: 8px; font-size: 8pt; font-weight: 700; color: white; }
.bar-fill.green { background: #16a34a; }
.bar-fill.amber { background: #d97706; }
.bar-fill.red { background: #dc2626; }
.bar-fill.blue { background: #2d6be4; }
.bar-fill.purple { background: #7c3aed; }
.flow-mini { display: flex; align-items: flex-start; flex-wrap: wrap; gap: 0; margin: 14px 0; }
.flow-step { background: #eef4ff; border: 1px solid #bfd1f5; border-radius: 6px; padding: 8px 12px; font-size: 8.5pt; min-width: 80px; text-align: center; position: relative; }
.flow-arrow { display: flex; align-items: center; padding: 0 6px; color: #94a3b8; font-size: 14pt; }
.gauge-row { display: flex; gap: 16px; margin: 14px 0; flex-wrap: wrap; }
.gauge { text-align: center; }
.gauge-arc { width: 90px; height: 50px; border: 8px solid #e2e8f0; border-bottom: none; border-radius: 50px 50px 0 0; position: relative; margin: 0 auto; }
.gauge-label { font-size: 8pt; color: #64748b; margin-top: 4px; }
.gauge-value { font-size: 10pt; font-weight: 700; color: #0f2d6b; }
.matrix-cell-hot { background: #fef3c7; }
.matrix-cell-cold { background: #f0fdf4; }
.toc-list { list-style: none; margin: 0 0 0 0; }
.toc-list li { padding: 4px 0; border-bottom: 1px dotted #e2e8f0; font-size: 9.5pt; }
.toc-list li a { color: #1a3a7c; text-decoration: none; }
.toc-list li a:hover { color: #2d6be4; text-decoration: underline; }
.toc-indent { margin-left: 24px; }
.toc-indent2 { margin-left: 48px; }
.sim-table td.val-green { background: #f0fdf4; color: #166534; font-weight: 700; }
.sim-table td.val-red { background: #fff5f5; color: #991b1b; font-weight: 700; }
.sim-table td.val-amber { background: #fffbeb; color: #92400e; font-weight: 700; }
.sim-table td.val-blue { background: #eef4ff; color: #1e40af; font-weight: 700; }
.step-block { border-left: 3px solid #2d6be4; padding: 10px 16px; margin: 12px 0; background: #f8fafc; border-radius: 0 6px 6px 0; }
.step-block .step-num { font-weight: 700; color: #2d6be4; font-size: 8.5pt; text-transform: uppercase; letter-spacing: 0.8px; }
.phase-header { display: flex; align-items: center; gap: 10px; margin-bottom: 8px; }
.arch-box { border: 1.5px solid #bfd1f5; border-radius: 8px; padding: 16px; margin: 14px 0; background: #f8fafc; font-family: 'Courier New', monospace; font-size: 9pt; line-height: 1.8; }
.footer-doc { text-align: center; font-size: 8.5pt; color: #94a3b8; border-top: 1px solid #e2e8f0; margin-top: 48px; padding-top: 18px; font-family: 'Courier New', monospace; }
@media print {
body { padding: 20px 28px; font-size: 9.5pt; }
h2 { page-break-after: avoid; }
h3 { page-break-after: avoid; }
.page-break { page-break-before: always; }
.example-box { break-inside: avoid; }
.callout { break-inside: avoid; }
@page { size: A4; margin: 20mm 18mm; }
}
</style>
</head>
<body>
<!-- COVER PAGE -->
<div class="cover">
<div style="font-size:9pt;color:#7a8aaa;font-family:'Courier New',monospace;margin-bottom:16px;letter-spacing:2px;">DOCUMENTATION TECHNIQUE &amp; GUIDE TRADER</div>
<h1 style="font-size:28pt;">GeoOptions Intelligence</h1>
<div class="subtitle">Manuel Complet du Système — Architecture, Algorithmes &amp; Guide Trader</div>
<div style="margin-top:24px;display:flex;justify-content:center;gap:10px;flex-wrap:wrap;">
<span class="badge badge-p1">Phase 1 · IV &amp; Structure</span>
<span class="badge badge-p2">Phase 2 · Fiabilité &amp; Calibration</span>
<span class="badge badge-p3">Phase 3 · Portfolio &amp; Risk</span>
<span class="badge badge-p4">Phase 4 · IA Probabiliste</span>
</div>
<div class="meta">
Version 4.0 · Juillet 2026 · 4 Phases · FastAPI + React + SQLite + GPT-4o<br>
Confidentiel — Usage interne trader uniquement
</div>
</div>
<!-- TABLE OF CONTENTS -->
<h2 id="toc">Table des Matières</h2>
<ul class="toc-list">
<li><a href="#s1">1. Vue d'ensemble du système</a></li>
<ul class="toc-list toc-indent">
<li><a href="#s1-1">1.1 Ce que fait le système</a></li>
<li><a href="#s1-2">1.2 Les 3 principes fondamentaux</a></li>
<li><a href="#s1-3">1.3 Architecture technique</a></li>
<li><a href="#s1-4">1.4 Les 15 pages du cockpit</a></li>
</ul>
<li><a href="#s2">2. Le Cycle Automatique — Simulation complète étape par étape</a></li>
<ul class="toc-list toc-indent">
<li><a href="#s2-steps">2.1 Les 9 étapes du cycle (Étapes 0–8)</a></li>
<li><a href="#s2-gpt">2.2 Exemple de sortie GPT-4o simulée</a></li>
</ul>
<li><a href="#s3">3. Phase 1 — Volatilité Implicite &amp; Structure Marché</a></li>
<ul class="toc-list toc-indent">
<li><a href="#s3-1">3.1 IV Rank &amp; IV Percentile</a></li>
<li><a href="#s3-2">3.2 Term Structure &amp; Skew</a></li>
<li><a href="#s3-3">3.3 Options Flow &amp; Open Interest</a></li>
</ul>
<li><a href="#s4">4. Phase 2 — Fiabilité &amp; Calibration</a></li>
<ul class="toc-list toc-indent">
<li><a href="#s4-1">4.1 Pattern Reliability Score</a></li>
<li><a href="#s4-2">4.2 Contre-Thèses &amp; Invalidation</a></li>
<li><a href="#s4-3">4.3 Score de Brier &amp; Calibration</a></li>
<li><a href="#s4-4">4.4 Demi-vie des insights KB</a></li>
</ul>
<li><a href="#s5">5. Phase 3 — Portfolio &amp; Risk Engine</a></li>
<ul class="toc-list toc-indent">
<li><a href="#s5-1">5.1 Vue Portefeuille Consolidée</a></li>
<li><a href="#s5-2">5.2 Risk Cluster Engine</a></li>
<li><a href="#s5-3">5.3 Position Sizing — Kelly Fractionnel</a></li>
<li><a href="#s5-4">5.4 HHI &amp; Score de Diversification</a></li>
<li><a href="#s5-5">5.5 Drawdown attendu</a></li>
</ul>
<li><a href="#s6">6. Phase 4 — IA Probabiliste &amp; Apprentissage</a></li>
<ul class="toc-list toc-indent">
<li><a href="#s6-1">6.1 Mise à jour Bayésienne</a></li>
<li><a href="#s6-2">6.2 Clustering de Régimes K-Means</a></li>
<li><a href="#s6-3">6.3 Embeddings Sémantiques</a></li>
<li><a href="#s6-4">6.4 Analytics Dashboard</a></li>
</ul>
<li><a href="#s7">7. Les Prompts IA — Boîte Noire Ouverte</a></li>
<li><a href="#s8">8. Tables de la Base de Données</a></li>
<li><a href="#s9">9. Guide Trader — Lire le Cockpit Page par Page</a></li>
<li><a href="#s10">10. Décisions de Conception</a></li>
<li><a href="#s11">11. Glossaire</a></li>
</ul>
<div class="page-break"></div>
<!-- SECTION 1 -->
<h2 id="s1">1. Vue d'Ensemble du Système</h2>
<h3 id="s1-1">1.1 Ce que fait le système</h3>
<p>GeoOptions Intelligence est un cockpit de trading d'options à usage personnel, conçu pour un trader individuel opérant sur Interactive Brokers avec des positions de l'ordre de 1 000 € par trade et un horizon moyen de 3 mois. Le système fusionne en temps quasi-réel trois flux d'information hétérogènes — données de marché financières (prix, volatilité implicite, open interest), signaux géopolitiques (flux RSS de presse internationale, scores de tension par région) et analyse macroéconomique (régime macro dominant parmi 4 états : Expansion, Stagflation, Récession, Stress Géopolitique) — pour générer des suggestions de patterns de trading options avec probabilités de succès, tailles de position ajustées au risque, et contre-thèses d'invalidation. L'ensemble tourne sur un VPS Linux sous FastAPI (backend) et React (frontend), avec SQLite comme base de données persistante et GPT-4o comme moteur de raisonnement.</p>
<h3 id="s1-2">1.2 Les 3 Principes Fondamentaux</h3>
<div class="callout blue">
<div class="label">Principe 1 — IA Propose</div>
GPT-4o analyse le contexte macro-géopolitique complet et suggère des patterns de trading (ex: "Long call spread XLE" ou "Straddle court VIX"). L'IA génère la créativité ; elle n'est jamais le dernier mot.
</div>
<div class="callout amber">
<div class="label">Principe 2 — Les Règles Quantitatives Filtrent</div>
Chaque suggestion passe un filtre dur : IV Rank dans la bonne zone, score de fiabilité historique suffisant, concentration portefeuille acceptable, Kelly positif. Les patterns refusés par les filtres ne parviennent jamais au trader.
</div>
<div class="callout green">
<div class="label">Principe 3 — L'Historique Valide</div>
Chaque pattern tradé est enregistré avec son résultat. Le système met à jour en temps réel les win rates, les scores de Brier (calibration IA), les posteriors bayésiens, et les matrices de transition de régimes. Le système apprend de ses propres erreurs.
</div>
<h3 id="s1-3">1.3 Architecture Technique</h3>
<div class="arch-box">
┌─────────────────────────────────────────────────────────────────┐
│ FRONTEND (React + Vite) │
│ Dashboard · Radar Géo · Marchés · Régime · Options Lab │
│ Patterns · Portefeuille · Journal · Rapport IA · Super Ctx │
│ Analytics · Analytics Avancées · Risk Dashboard · Config │
└──────────────────────────┬──────────────────────────────────────┘
│ HTTP / REST API
▼
┌─────────────────────────────────────────────────────────────────┐
│ BACKEND (FastAPI / Python) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────┐ │
│ │ Scheduler │ │ AI Engine │ │ Risk Engine │ │
│ │ APScheduler │ │ GPT-4o API │ │ Kelly · HHI · Cluster│ │
│ │ 6h cycle │ │ 6 prompts │ │ Bayesian · K-Means │ │
│ └──────┬───────┘ └──────┬───────┘ └──────────┬───────────┘ │
│ │ │ │ │
│ ┌──────▼─────────────────▼───────────────────────▼───────────┐ │
│ │ SQLite Database (14+ tables) │ │
│ └────────────────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────────────────┘
│ │ │
▼ ▼ ▼
yfinance API OpenAI API RSS Feeds
(prix, IV, OI) (GPT-4o) (Reuters, BBC, Al Jazeera)
</div>
<div class="callout blue">
<div class="label">Stack Technique</div>
<strong>Backend :</strong> Python 3.11, FastAPI, APScheduler, SQLite (aiosqlite), yfinance, feedparser, OpenAI SDK v1.x<br>
<strong>Frontend :</strong> React 18, Vite, Recharts, Tailwind CSS<br>
<strong>Déploiement :</strong> VPS Linux (Ubuntu 22.04), lancement via <code>start_all.bat</code> (Windows dev) ou <code>pm2</code> (VPS)<br>
<strong>IA :</strong> GPT-4o (modèle principal), GPT-4o-mini (résumés rapides, 5x moins cher)
</div>
<h3 id="s1-4">1.4 Les 15 Pages du Cockpit</h3>
<table>
<thead><tr><th>#</th><th>Page</th><th>Description</th><th>Fréquence d'usage</th></tr></thead>
<tbody>
<tr><td>1</td><td><strong>Dashboard</strong></td><td>Vue synthétique : KPIs macro, dernière analyse IA, signaux marché du jour</td><td>Plusieurs fois/jour</td></tr>
<tr><td>2</td><td><strong>Radar Géopolitique</strong></td><td>Carte interactive des tensions mondiales par région, score géo global 0–100</td><td>Quotidien</td></tr>
<tr><td>3</td><td><strong>Marchés</strong></td><td>Prix temps réel : actions, ETF, matières premières, crypto, forex avec variations</td><td>Quotidien</td></tr>
<tr><td>4</td><td><strong>Régime Macro</strong></td><td>État actuel (Expansion/Stagflation/Récession/Stress Géo), scores, historique</td><td>Hebdomadaire</td></tr>
<tr><td>5</td><td><strong>Options Lab</strong></td><td>IV Rank, IV Percentile, Term Structure, Skew, Open Interest pour tous tickers</td><td>Avant chaque trade</td></tr>
<tr><td>6</td><td><strong>Patterns IA</strong></td><td>Suggestions du cycle en cours avec scores, tailles Kelly, contre-thèses</td><td>À chaque cycle (6h)</td></tr>
<tr><td>7</td><td><strong>Portefeuille</strong></td><td>Positions ouvertes, P&L, concentration, alertes risque cluster</td><td>Quotidien</td></tr>
<tr><td>8</td><td><strong>Journal de Bord</strong></td><td>Trades historiques, filtres par pattern/date/résultat, statistiques de performance</td><td>Hebdomadaire</td></tr>
<tr><td>9</td><td><strong>Rapport IA</strong></td><td>Texte complet de la dernière analyse GPT-4o, raisonnement visible</td><td>À chaque cycle</td></tr>
<tr><td>10</td><td><strong>Super Contexte</strong></td><td>Texte narratif enrichi injecté dans le méga-prompt : patterns matures, historique récent</td><td>Lecture mensuelle</td></tr>
<tr><td>11</td><td><strong>Analytics</strong></td><td>Win rate par pattern, PnL cumulé, distribution des scores, calibration Brier</td><td>Mensuel</td></tr>
<tr><td>12</td><td><strong>Analytics Avancées</strong></td><td>Clustering K-Means, matrices de transition, embeddings, déduplications sémantiques</td><td>Mensuel</td></tr>
<tr><td>13</td><td><strong>Risk Dashboard</strong></td><td>HHI, drawdown attendu, alertes concentration facteur, Kelly par position</td><td>Avant chaque trade</td></tr>
<tr><td>14</td><td><strong>Config</strong></td><td>Paramètres système : seuils Kelly, capital, intervalles cycle, clé API, tickers</td><td>Initial + rare</td></tr>
<tr><td>15</td><td><strong>Knowledge Base</strong></td><td>Base de patterns manuels, demi-vie, tags géopolitiques, édition directe</td><td>Mensuel</td></tr>
</tbody>
</table>
<div class="page-break"></div>
<!-- SECTION 2 -->
<h2 id="s2">2. Le Cycle Automatique — Simulation Complète Étape par Étape</h2>
<p>Le système tourne un cycle complet toutes les 6 heures (configurable). Voici une simulation fidèle d'un cycle réel avec des données fictives mais réalistes.</p>
<div class="kpi-grid">
<div class="kpi-card">
<div class="kpi-value">09:00</div>
<div class="kpi-label">Heure UTC · 17 Juin 2026</div>
</div>
<div class="kpi-card">
<div class="kpi-value" style="color:#d97706;">72%</div>
<div class="kpi-label">Score Stagflation</div>
</div>
<div class="kpi-card">
<div class="kpi-value" style="color:#dc2626;">68/100</div>
<div class="kpi-label">Geo Score (Élevé)</div>
</div>
<div class="kpi-card">
<div class="kpi-value" style="color:#dc2626;">24.3</div>
<div class="kpi-label">VIX (+8.2%)</div>
</div>
</div>
<h3 id="s2-steps">2.1 Les 9 Étapes du Cycle</h3>
<div class="step-block">
<div class="step-num">Étape 0 — Collecte des données de marché (yfinance)</div>
<p><strong>Input :</strong> Liste de tickers configurés (XLE, GLD, VIX, SPY, TLT, DXY, USDCAD, etc.)</p>
<p><strong>Traitement :</strong> Appel yfinance pour prix spot, variation J-1, volume. Calcul des ratios dérivés.</p>
<p><strong>Output (données simulées) :</strong></p>
<table class="sim-table">
<thead><tr><th>Ticker</th><th>Prix</th><th>Var. Jour</th><th>Signal</th></tr></thead>
<tbody>
<tr><td>VIX</td><td>24.3</td><td class="val-red">+8.2%</td><td>Stress modéré</td></tr>
<tr><td>Brent</td><td>$89.40</td><td class="val-green">+3.1%</td><td>Choc offre</td></tr>
<tr><td>DXY</td><td>104.2</td><td class="val-red">-0.4%</td><td>Dollar faible</td></tr>
<tr><td>Or (GLD)</td><td>$2,380</td><td class="val-green">+1.2%</td><td>Flight-to-safety</td></tr>
<tr><td>Cuivre</td><td>$3.82</td><td class="val-red">-1.8%</td><td>Demande industrielle faible</td></tr>
<tr><td>Pente 10Y-3M</td><td>-0.42%</td><td>—</td><td class="val-amber">Inversion (récession)</td></tr>
</tbody>
</table>
<p><strong>Règle appliquée :</strong> Si VIX &gt; 20 ET Brent &gt; +2% → signal "choc d'offre pétrolier probable". Si pente &lt; 0 → signal "risque récession". Ces deux signaux sont encodés et transmis à l'étape suivante.</p>
</div>
<div class="step-block">
<div class="step-num">Étape 1 — Calcul du Régime Macro</div>
<p><strong>Input :</strong> ~50 indicateurs de marché (yfinance batch) couvrant 6 blocs : Liquidité, Crédit, Énergie, Métaux, Croissance, Dérivés.</p>
<p><strong>Algorithme en 3 couches :</strong></p>
<p><strong>Couche 1 — Signaux multi-périodes (anti-bruit) :</strong> Chaque variation est un blend pondéré pour éliminer le bruit intraday.</p>
<div class="formula-box">
signal_brent = 0.20 × change_1j + 0.50 × change_5j + 0.30 × change_10j
→ Exemple : change_1j = +3.2%, change_5j = +0.8%, change_10j = -0.4%
signal_brent = 0.20×3.2 + 0.50×0.8 + 0.30×(-0.4) = 0.64 + 0.40 - 0.12 = +0.92%
(bien moins agressif que le +3.2% brut)
</div>
<p><strong>Couche 2 — Scoring par règles sur 8 régimes :</strong> Goldilocks, Désinflation, Soft Landing, Reflation, Stagflation, Choc Inflationniste, Récession, Crise de Liquidité. Chaque régime accumule des points (0–100) via ~15 conditions <code>if/elif</code> sur les signaux blendés.</p>
<div class="formula-box">
Score_Stagflation (brut) = Brent↑↑ (+30) + Courbe plate (+10) + Or↑ (+15)
+ Cuivre↓ (+15) + Défensifs&gt;Tech (+8) = 78/100
Score_Goldilocks (brut) = VIX&lt;18 (+20) + S&amp;P&gt;200j (+15) + HYG↑ (+15)
+ SKEW&lt;115 (+6) + VVIX&lt;85 (+5) = 61/100
</div>
<p><strong>Couche 3 — Lissage Bayésien + persistance :</strong> Les scores bruts sont blendés avec la moyenne glissante des 3–25 derniers jours (poids prior : 15%→45% selon la profondeur d'historique). Un régime résiste au changement si le nouveau leader ne le dépasse pas de 10 pts.</p>
<div class="formula-box">
score_lissé[regime] = (1 - w_prior) × score_brut + w_prior × moyenne_historique
w_prior = min(0.45, 0.05 × nb_jours_historique)
→ 5 jours : w=25% · 9 jours : w=45% (plateau)
Persistance : si score_lissé[nouveau] - score_lissé[ancien] &lt; 10 → ancien régime maintenu
</div>
<p><strong>Bootstrap au démarrage :</strong> Au premier chargement, le système rejoue automatiquement les 20 derniers jours de cotations (via <code>yf.download</code> batch 45j) pour pré-remplir l'historique. La détection est stable dès la première ouverture de la page.</p>
<p><strong>Output :</strong> Régime dominant lissé + score de stabilité (nombre de jours consécutifs) + biais par classe d'actifs. Affiché en bandeau sur la page Régime Macro.</p>
<div class="callout amber">
<div class="label">Note Algorithme</div>
Quand deux régimes sont à moins de 10 pts après lissage (ex: Stagflation 68%, Soft Landing 61%), le système résiste à tout changement de dominant. Évite les oscillations qui rendaient la détection inutilisable en séance.
</div>
</div>
<div class="step-block">
<div class="step-num">Étape 2 — Collecte RSS &amp; Calcul du Geo Score</div>
<p><strong>Input :</strong> 12 flux RSS (Reuters, BBC World, Al Jazeera, AP, Bloomberg, FT, Le Monde, Xinhua, TASS, Kyodo, Middle East Eye, Africa Intelligence)</p>
<p><strong>Traitement :</strong> Extraction des titres des 6 dernières heures → passage dans GPT-4o-mini pour classification géopolitique et score de tension par région.</p>
<p><strong>Exemple de titres collectés :</strong></p>
<ul>
<li>"North Korea fires ballistic missile over Japan Sea — defense ministry" (Reuters, 08:42 UTC)</li>
<li>"Energy prices surge as Middle East tensions escalate" (FT, 07:15 UTC)</li>
<li>"OPEC+ considers emergency supply cut meeting" (Bloomberg, 06:50 UTC)</li>
<li>"US Treasury yields fall on flight-to-safety demand" (Bloomberg, 07:30 UTC)</li>
<li>"China warns of consequences over Taiwan arms sale" (AP, 08:10 UTC)</li>
</ul>
<p><strong>Score géo calculé :</strong> 68/100 (score élevé — seuil d'alerte à 60)</p>
<table class="sim-table">
<thead><tr><th>Région</th><th>Tension</th><th>Moteur principal</th><th>Impact marché</th></tr></thead>
<tbody>
<tr><td>Asie du Nord-Est</td><td class="val-red">78/100</td><td>Corée du Nord — missile</td><td>VIX, Yen</td></tr>
<tr><td>Moyen-Orient</td><td class="val-red">71/100</td><td>Tensions énergie OPEC+</td><td>Brent, XLE</td></tr>
<tr><td>Détroit de Taiwan</td><td class="val-amber">62/100</td><td>Avertissements Chine</td><td>Semi-conducteurs</td></tr>
<tr><td>Europe de l'Est</td><td class="val-amber">55/100</td><td>Conflit Ukraine continu</td><td>Blé, gaz</td></tr>
<tr><td>Amériques</td><td class="val-green">24/100</td><td>Calme relatif</td><td>Neutre</td></tr>
</tbody>
</table>
</div>
<div class="step-block">
<div class="step-num">Étape 3 — Calcul des Métriques Options (Phase 1)</div>
<p><strong>Input :</strong> Liste des tickers options (XLE, GLD, SPY, QQQ, TLT, USDCAD, VIX)</p>
<p><strong>Traitement :</strong> Pour chaque ticker, calcul de IV Rank, IV Percentile, Term Structure (déformation courbe IV), Put/Call OI Ratio.</p>
<p><strong>Résultats simulés :</strong></p>
<table class="sim-table">
<thead><tr><th>Ticker</th><th>IV Actuelle</th><th>IV Rank</th><th>IV Pctile</th><th>Structure</th><th>PC Ratio</th><th>Signal</th></tr></thead>
<tbody>
<tr><td>XLE</td><td>32%</td><td class="val-green">35%</td><td>73%</td><td>Contango</td><td>0.82</td><td>Vente vol possible</td></tr>
<tr><td>GLD</td><td>18%</td><td class="val-green">22%</td><td>41%</td><td>Plat</td><td>1.15</td><td>Acheter protection</td></tr>
<tr><td>SPY</td><td>21%</td><td class="val-amber">48%</td><td>59%</td><td>Légère backwardation</td><td>1.38</td><td>Neutre — attendre</td></tr>
<tr><td>TLT</td><td>15%</td><td class="val-green">18%</td><td>32%</td><td>Contango</td><td>1.05</td><td>IV Rank trop bas</td></tr>
<tr><td>USDCAD</td><td>8%</td><td class="val-amber">52%</td><td>61%</td><td>Plat</td><td>0.94</td><td>Neutre</td></tr>
<tr><td>QQQ</td><td>24%</td><td class="val-red">78%</td><td>82%</td><td>Backwardation</td><td>1.52</td><td class="val-red">Vendre vol</td></tr>
<tr><td>VIX</td><td>24.3</td><td class="val-amber">61%</td><td>68%</td><td>Backwardation</td><td>—</td><td>Vol short terme élevée</td></tr>
</tbody>
</table>
<p>Ces données sont encodées dans le méga-prompt de l'Étape 5.</p>
</div>
<div class="step-block">
<div class="step-num">Étape 4 — Construction du Super Contexte</div>
<p><strong>Input :</strong> Base de données Knowledge Base (patterns historiques), trades des 90 derniers jours, insights récents avec scores de fiabilité</p>
<p><strong>Gate de 6 heures :</strong> Le Super Contexte n'est régénéré que si le précédent a plus de 6 heures. Ceci évite de surcharger le contexte GPT-4o avec des données quasi-identiques entre deux cycles rapprochés.</p>
<p><strong>Contenu généré (extrait simulé) :</strong></p>
<div class="example-box">
<div class="ex-header">Super Contexte — Extrait (généré 17 juin 2026 03:00 UTC)</div>
<div class="ex-body" style="font-family:'Courier New',monospace;font-size:8.5pt;">
PATTERNS HISTORIQUES FIABLES (score &gt; 1.5) :<br>
✓ "Choc Pétrolier Moyen-Orient" → score 2.27 · 28 trades · 68% WR · long XLE calls<br>
✓ "Hausse Or Flash-To-Safety" → score 1.87 · 19 trades · 72% WR · long GLD calls<br><br>
TRADES RÉCENTS (30j) :<br>
✓ Long XLE call spread $88/$95 → +14.2% (ouvert, mature à 67%)<br>
✗ Short SPY put $480 → -8.1% (fermé, rally surprise post-CPI)<br><br>
PORTEFEUILLE ACTUEL :<br>
⚠ Facteur dollar : 53% — SATURÉ (seuil 40%)<br>
⚠ Facteur géopolitique : 60% — SATURÉ (seuil 50%)<br>
✓ HHI : 0.278 — bien diversifié (seuil alerte : 0.35)<br>
</div>
</div>
<p><strong>Règle "trades matures uniquement" :</strong> Seuls les trades ayant consommé plus de 40% de leur horizon temporel sont inclus dans le contexte. Un trade ouvert depuis 5 jours pour 90 jours (5.5%) n'est pas encore informatif.</p>
</div>
<div class="step-block">
<div class="step-num">Étape 5 — Le Méga-Prompt GPT-4o</div>
<p><strong>Structure du prompt (voir Section 7 pour le détail complet) :</strong></p>
<ul>
<li>Rôle : "Vous êtes un analyste options spécialisé en géopolitique et macro…"</li>
<li>Contexte macro : Régime (Stagflation 72%), VIX, Brent, Or, DXY, pente</li>
<li>Contexte géopolitique : Geo Score 68/100, tensions par région</li>
<li>Métriques options : IV Rank, term structure, skew par ticker</li>
<li>Super Contexte : patterns fiables, portefeuille, contraintes de risque</li>
<li>Instruction de sortie : JSON structuré avec 3–5 patterns</li>
</ul>
<p><strong>Coût estimé :</strong> ~4,500 tokens input + ~800 tokens output ≈ 0.058$ par cycle (à 6h → ~0.23$/jour)</p>
</div>
<div class="step-block">
<div class="step-num">Étape 6 — Parsing &amp; Validation des Patterns</div>
<p><strong>Input :</strong> Réponse JSON brute de GPT-4o</p>
<p><strong>Filtres appliqués :</strong></p>
<ul>
<li>Score GPT ≥ 50 (configurable)</li>
<li>Ticker avec IV Rank dans la bonne plage pour la stratégie proposée</li>
<li>Kelly fractionnel &gt; 0 (pattern a un edge positif)</li>
<li>Pas de doublon sémantique avec les patterns en KB (cosine similarity &lt; 0.75)</li>
<li>Cluster facteur non saturé au-delà du seuil configuré</li>
</ul>
<p><strong>Output :</strong> 2–4 patterns validés, stockés dans la table <code>analyses_ia</code></p>
</div>
<div class="step-block">
<div class="step-num">Étape 7 — Mise à jour Bayésienne des Patterns</div>
<p><strong>Input :</strong> Tous les trades fermés depuis le dernier cycle avec résultat (win/loss)</p>
<p><strong>Traitement :</strong> Pour chaque pattern associé à un trade fermé, mise à jour du posterior bayésien (α, β). Le score GPT initial est utilisé comme prior. Voir Section 6.1 pour le détail.</p>
<p><strong>Output :</strong> Tables <code>pattern_performance</code> et <code>bayesian_estimates</code> mises à jour</p>
</div>
<div class="step-block">
<div class="step-num">Étape 8 — Notification &amp; Affichage</div>
<p><strong>Input :</strong> Patterns validés, alertes risque, signaux d'invalidation détectés</p>
<p><strong>Output :</strong> Mise à jour du frontend React (polling toutes les 60 secondes), envoi d'une notification push si score &gt; 75 ou alerte risque critique</p>
<p><strong>Durée totale du cycle :</strong> 47–120 secondes (selon disponibilité API OpenAI)</p>
</div>
<h3 id="s2-gpt">2.2 Exemple de Sortie GPT-4o Simulée</h3>
<div class="example-box">
<div class="ex-header">Sortie GPT-4o — Cycle 17 juin 2026 09:00 UTC (simulé)</div>
<div class="ex-body">
<pre style="font-family:'Courier New',monospace;font-size:8pt;white-space:pre-wrap;">{
"analyse_globale": "Le contexte de stagflation confirmé (72%) combiné à un choc pétrolier en cours (Brent +3.1%, OPEC+ réunion d'urgence) et aux tensions en Asie du Nord-Est crée un environnement favorable aux stratégies longues volatilité sur l'énergie et aux protections défensives sur les indices. L'inversion de la courbe (-0.42%) renforce le risque de récession à 6-9 mois.",
"patterns": [
{
"nom": "Choc Pétrolier Corée du Nord — Perturbation Routes Énergétiques",
"strategie": "Long call spread XLE $90/$98 — expiration Septembre 2026",
"ticker_principal": "XLE",
"score_confiance": 78,
"probabilite_succes": 0.68,
"horizon_jours": 75,
"taille_kelly_pct": 12.4,
"raisonnement": "Le tir de missile nord-coréen perturbe les routes de navigation en mer du Japon et amplifie l'effet OPEC+. L'IV Rank de XLE à 35% est raisonnable pour acheter des calls. Le call spread limite le coût si la hausse est progressive.",
"contre_these": "Si les négociations diplomatiques US-Corée du Nord reprennent rapidement, la prime de risque géopolitique se dégonfle. Probabilité : 28%.",
"trigger_invalidation": "Annonce de contacts diplomatiques US-RPDC ou retrait des forces navales nord-coréennes",
"facteurs_risque": ["géopolitique", "énergie"],
"ajustement_cluster": "Facteur géo à 60% — taille réduite de 50%"
},
{
"nom": "Flight-to-Safety Or — Dollar Faible + VIX Hausse",
"strategie": "Long call GLD $195 — expiration Août 2026",
"ticker_principal": "GLD",
"score_confiance": 71,
"probabilite_succes": 0.65,
"horizon_jours": 45,
"taille_kelly_pct": 8.7,
"raisonnement": "Or à +1.2% en même temps que dollar faible (-0.4%) et VIX hausse = configuration classique de fuite vers la sécurité. IV Rank GLD à 22% (cheap) → acheter de la vol est justifié. Objectif $2,450.",
"contre_these": "Si le dollar rebondit sur des données économiques US solides (NFP, CPI surprise), l'or recule mécaniquement.",
"trigger_invalidation": "DXY +1.5% sur une session / NFP > 300K / CPI core < 2.8%",
"facteurs_risque": ["dollar", "inflation"],
"ajustement_cluster": "Facteur dollar saturé (53%) — taille réduite de 50%"
},
{
"nom": "Compression Volatilité QQQ — Pic VIX Technologique",
"strategie": "Short strangle QQQ $460/$510 — expiration Juillet 2026",
"ticker_principal": "QQQ",
"score_confiance": 64,
"probabilite_succes": 0.61,
"horizon_jours": 30,
"taille_kelly_pct": 6.2,
"raisonnement": "QQQ IV Rank à 78% (cher) avec backwardation → vendre de la vol. Le stress géo actuel est concentré sur l'énergie et l'Asie du Nord-Est, pas sur les techs. Short strangle profite du time decay si le marché reste dans la range.",
"contre_these": "Si NVDA ou MSFT publie des résultats décevants ou si une escalade géopolitique touche les semi-conducteurs (Taiwan), mouvement directionnel brutal.",
"trigger_invalidation": "VIX > 30 / Annonce guerre Taiwan / Earnings QQQ -10% gap",
"facteurs_risque": ["liquidité", "technologie"],
"ajustement_cluster": "Facteurs non saturés — taille nominale maintenue"
}
]
}</pre>
</div>
</div>
<div class="callout green">
<div class="label">Ce que le Trader voit</div>
Les 3 patterns apparaissent dans la page "Patterns IA" avec leurs scores, tailles, contre-thèses, et indicateurs de cluster. Le trader clique sur "Valider" pour enregistrer son intérêt ou "Rejeter" pour exclure le pattern du contexte futur.
</div>
<div class="page-break"></div>
<!-- SECTION 3 -->
<h2 id="s3">3. <span class="badge badge-p1">Phase 1</span> — Volatilité Implicite &amp; Structure Marché</h2>
<h3 id="s3-1">3.1 IV Rank &amp; IV Percentile</h3>
<p>La volatilité implicite (IV) d'une option mesure ce que le marché "pense" de la volatilité future du sous-jacent. Mais une IV de 32% est-elle chère ou pas chère ? Tout dépend de l'historique récent. C'est le rôle de l'IV Rank et de l'IV Percentile.</p>
<h4>Formules</h4>
<div class="formula-box">
IV Rank = (IV_actuelle - IV_min_52s) / (IV_max_52s - IV_min_52s) × 100
IV Percentile = (Nombre de jours sur 252 où IV &lt; IV_actuelle) / 252 × 100
</div>
<div class="example-box">
<div class="ex-header">Exemple Complet — XLE (Energy ETF)</div>
<div class="ex-body">
<p><strong>Données :</strong> IV actuelle = 32% · IV min 52 semaines = 18% · IV max 52 semaines = 58%</p>
<div class="formula-box">
IV Rank = (32 - 18) / (58 - 18) × 100
= 14 / 40 × 100
= 35% → CHEAP (en dessous du 50ème centile historique)
</div>
<p><strong>Interprétation IV Rank 35% :</strong> La volatilité actuelle est dans le tiers inférieur de sa plage annuelle. Elle est relativement bon marché par rapport à son propre historique récent.</p>
<div class="formula-box">
IV Percentile : Sur les 252 derniers jours de trading,
73% des jours avaient une IV &lt; 32%.
→ IV Percentile = 73%
</div>
<p><strong>Divergence IV Rank vs IV Percentile :</strong> IV Rank = 35% mais IV Percentile = 73% — c'est possible ! Cela signifie que l'IV a passé beaucoup de temps sous 32%, mais les pics (jusqu'à 58%) tirent la moyenne haute. Le Rank est distordu par ce pic exceptionnel. Dans ce cas, le Percentile est plus informatif.</p>
</div>
</div>
<h4>Table simulée — 8 Tickers avec IV Rank</h4>
<table class="sim-table">
<thead><tr><th>Ticker</th><th>IV Actuelle</th><th>IV Min 52s</th><th>IV Max 52s</th><th>IV Rank</th><th>IV Pctile</th><th>Signal</th></tr></thead>
<tbody>
<tr><td>XLE</td><td>32%</td><td>18%</td><td>58%</td><td class="val-green">35% (cheap)</td><td>73%</td><td>Acheter vol prudent</td></tr>
<tr><td>GLD</td><td>18%</td><td>12%</td><td>34%</td><td class="val-green">27% (cheap)</td><td>41%</td><td>IV bon marché</td></tr>
<tr><td>QQQ</td><td>24%</td><td>14%</td><td>38%</td><td class="val-red">83% (cher)</td><td>82%</td><td>Vendre vol</td></tr>
<tr><td>SPY</td><td>21%</td><td>13%</td><td>42%</td><td class="val-amber">55% (neutre)</td><td>59%</td><td>Attendre</td></tr>
<tr><td>TLT</td><td>15%</td><td>11%</td><td>28%</td><td class="val-green">24% (cheap)</td><td>36%</td><td>Acheter protection</td></tr>
<tr><td>IWM</td><td>28%</td><td>16%</td><td>48%</td><td class="val-amber">38% (neutre-bas)</td><td>52%</td><td>Neutre</td></tr>
<tr><td>USO</td><td>41%</td><td>22%</td><td>65%</td><td class="val-amber">44% (neutre)</td><td>61%</td><td>Attendre</td></tr>
<tr><td>VXX</td><td>62%</td><td>45%</td><td>120%</td><td class="val-green">23% (cheap)</td><td>38%</td><td>Acheter vol longue</td></tr>
</tbody>
</table>
<div class="callout green">
<div class="label">Règle de Trading — IV Rank</div>
<strong>IV Rank &lt; 25% :</strong> L'IV est historiquement basse → acheter de la volatilité est bon marché (long straddle, long calls/puts, long spreads). Le coût est faible, la chance de pic est élevée.<br><br>
<strong>IV Rank 25–75% :</strong> Zone neutre → aucune stratégie volatilité n'a d'avantage marqué. Privilégier les spreads directionnels.<br><br>
<strong>IV Rank &gt; 75% :</strong> L'IV est historiquement haute → vendre de la volatilité est favorable (short strangle, iron condor, cash-secured puts). La prime est élevée, le mean reversion est probable.
</div>
<h3 id="s3-2">3.2 Term Structure &amp; Skew</h3>
<p>La term structure décrit la forme de la courbe d'IV selon les expirations. Le skew décrit l'asymétrie de l'IV entre les puts et calls pour une même expiration.</p>
<h4>Contango (marché normal)</h4>
<div class="formula-box">
Exemple XLE en juin 2026 :
IV30 = 22% (expiration 30 jours)
IV60 = 25% (expiration 60 jours)
IV90 = 27% (expiration 90 jours)
IV180 = 30% (expiration 180 jours)
Pente = (IV180 - IV30) / 150 jours = +8pts / 150j = +0.053 pt/jour → CONTANGO
IV (%)
30 ┤ ●────── IV180=30
│ ●──────────
│ ●─────────
22 ●
└────────────────────────────────────────────
30j 60j 90j 120j 150j 180j jours
Interprétation : Marché calme à court terme. La vol longue est plus chère.
→ Stratégie : vendre de la vol courte terme (short put 30j), acheter protection longue (long put 180j).
</div>
<h4>Backwardation (stress court terme)</h4>
<div class="formula-box">
Exemple SPY pendant choc géopolitique :
IV30 = 38% (panique court terme)
IV60 = 32%
IV90 = 28%
IV180= 24%
Pente = (IV180 - IV30) / 150j = -14pts / 150j = -0.093 pt/jour → BACKWARDATION
IV (%)
38 ●
│ ●──────
│ ●──────────
24 │ ●──────────────────
└────────────────────────────────────────────
30j 60j 90j 120j 150j 180j jours
Interprétation : Stress court terme élevé. Acheter protection court terme est cher.
→ Stratégie : acheter vol longue terme (moins chère), vendre vol court terme contre.
→ Exemple : calendar spread — vendre IV30, acheter IV90.
</div>
<h4>Put/Call Skew</h4>
<div class="formula-box">
Skew = IV_put_25delta - IV_call_25delta
Exemple XLE :
IV_put_25delta = 28% (puts à 25 delta = puts légèrement OTM)
IV_call_25delta = 22% (calls à 25 delta)
Skew = 28% - 22% = +6 points
→ Puts plus chers que calls de 6 points → PROTECTION DEMAND élevée
→ Les institutionnels achètent massivement des puts → anticipent une baisse
Skew négatif (Skew &lt; 0) : calls plus chers → anticipation de hausse explosive (ex: squeeze).
Skew neutre (±1pt) : marché non directionnel, vol distribuée symétriquement.
</div>
<div class="callout amber">
<div class="label">Implication Trading</div>
Un skew de +6pts sur XLE signifie que les puts sont surévalués par rapport aux calls. Si vous voulez une protection baisse sur XLE, vous payez une prime supplémentaire. Alternativement, vendre des puts dans ce contexte donne plus de prime — mais le risque est asymétrique (les institutionnels qui achètent ces puts voient peut-être quelque chose que vous ne voyez pas).
</div>
<h3 id="s3-3">3.3 Options Flow &amp; Open Interest</h3>
<h4>Put/Call OI Ratio</h4>
<div class="formula-box">
PC_Ratio = Open_Interest_Puts / Open_Interest_Calls
Valeur &gt; 1.2 → Institutionnels en mode défensif (achat puts = protection portefeuille)
Valeur &lt; 0.7 → Sentiment haussier dominant (calls spéculatifs)
Valeur 0.7–1.2 → Neutre / équilibré
</div>
<div class="example-box">
<div class="ex-header">Exemple — Open Interest Inhabituel sur XLE</div>
<div class="ex-body">
<p><strong>Observation :</strong> Strike Call XLE $92 · Expiration Septembre 2026</p>
<table class="sim-table">
<thead><tr><th>Strike</th><th>OI Calls</th><th>OI Puts</th><th>OI Moyen Calls (12m)</th><th>Signal</th></tr></thead>
<tbody>
<tr><td>$88</td><td>12,400</td><td>18,600</td><td>9,200</td><td>Normal</td></tr>
<tr><td>$90</td><td>22,800</td><td>15,200</td><td>11,000</td><td>Légèrement élevé</td></tr>
<tr><td class="val-amber">$92</td><td class="val-red">45,000</td><td>8,400</td><td>8,000</td><td class="val-red">INHABITUEL — 5.6x moyenne</td></tr>
<tr><td>$95</td><td>18,200</td><td>6,100</td><td>7,500</td><td>Élevé mais explicable</td></tr>
<tr><td>$98</td><td>9,600</td><td>4,200</td><td>5,200</td><td>Normal</td></tr>
</tbody>
</table>
<p><strong>Interprétation :</strong> OI calls $92 = 45,000 contrats vs moyenne 8,000 → <strong>mur de résistance potentiel</strong> à $92. Deux scénarios possibles :</p>
<ul>
<li><strong>Scénario 1 (gamma squeeze) :</strong> Si XLE monte vers $92, les market makers qui ont vendu ces calls doivent acheter du sous-jacent pour se couvrir (delta hedge) → accélère la montée → squeeze au-dessus de $92.</li>
<li><strong>Scénario 2 (résistance) :</strong> Les calls ont été achetés par quelqu'un qui pense que $92 est un objectif réaliste. Ils agissent comme signal d'intérêt institutionnel bullish sur XLE.</li>
</ul>
</div>
</div>
<h4>Dealer Gamma Estimation</h4>
<p>Le Dealer Gamma mesure si les market makers sont globalement "long gamma" ou "short gamma". C'est une estimation basée sur l'OI et les grecs approximatifs.</p>
<div class="formula-box">
Gamma_net_dealer = Σ (OI × Gamma × sens_position)
Short Gamma Dealer (Gamma &lt; 0) :
→ Pour se couvrir, ils doivent VENDRE quand le marché baisse et ACHETER quand il monte
→ Amplifie les mouvements → marché plus volatil
Long Gamma Dealer (Gamma &gt; 0) :
→ Pour se couvrir, ils doivent ACHETER quand le marché baisse et VENDRE quand il monte
→ Amortit les mouvements → marché plus stable, range-bound
</div>
<div class="callout blue">
<div class="label">Règle Pratique</div>
En période de gamma short (dealers court gamma), les mouvements de marché de ±1% peuvent rapidement devenir ±3%. C'est pourquoi les options sont soudainement sous-évaluées juste avant un mouvement violent — le marché n'anticipe pas l'amplification mécanique du dealer hedging.
</div>
<div class="page-break"></div>
<!-- SECTION 4 -->
<h2 id="s4">4. <span class="badge badge-p2">Phase 2</span> — Fiabilité &amp; Calibration</h2>
<h3 id="s4-1">4.1 Pattern Reliability Score</h3>
<p>Le Pattern Reliability Score (PRS) mesure la fiabilité statistique d'un pattern basé sur son historique de trades réels. Il pénalise les petits échantillons et récompense les win rates élevés sur de nombreux trades.</p>
<h4>Formule</h4>
<div class="formula-box">
Score_Fiabilité = win_rate × log(n + 1)
où :
win_rate = proportion de trades gagnants (0.0 à 1.0)
n = nombre total de trades sur ce pattern
log() = logarithme naturel (base e)
Propriétés :
- Score nul si win_rate = 0 (aucun trade gagnant)
- Score croît lentement avec n (diminishing returns de l'expérience)
- n=4 → log(5) = 1.61 · n=28 → log(29) = 3.37 (seulement 2× plus, pour 7× plus de trades)
</div>
<h4>Table simulée — Patterns avec Scores de Fiabilité</h4>
<table class="sim-table">
<thead><tr><th>Pattern</th><th>Trades</th><th>Wins</th><th>Win Rate</th><th>PnL Moyen</th><th>Score Fiabilité</th><th>Statut</th></tr></thead>
<tbody>
<tr><td>Choc Pétrolier Moyen-Orient</td><td>28</td><td>19</td><td class="val-green">68%</td><td>+12.4%</td><td class="val-green">2.27</td><td>Fiable</td></tr>
<tr><td>Hausse Or Flight-to-Safety</td><td>19</td><td>14</td><td class="val-green">72%</td><td>+9.8%</td><td class="val-green">1.87</td><td>Fiable</td></tr>
<tr><td>Escalade Taiwan Strait</td><td>12</td><td>7</td><td class="val-amber">58%</td><td>+8.1%</td><td class="val-amber">1.28</td><td>Prometteur</td></tr>
<tr><td>Hausse Taux Fed Surprise</td><td>7</td><td>3</td><td class="val-red">43%</td><td>-2.3%</td><td class="val-red">0.55</td><td>Faible</td></tr>
<tr><td>Crise Dollar Marchés Émergents</td><td>4</td><td>3</td><td class="val-green">75%</td><td>+18.2%</td><td class="val-amber">1.04 ⚠</td><td>Petit échantillon</td></tr>
<tr><td>Pénurie Blé Ukraine Escalade</td><td>3</td><td>1</td><td class="val-red">33%</td><td>-5.1%</td><td class="val-red">0.46 🔴</td><td>Insuffisant</td></tr>
</tbody>
</table>
<div class="example-box">
<div class="ex-header">Pourquoi 75% sur 4 trades (1.04) &lt; 68% sur 28 trades (2.27) ?</div>
<div class="ex-body">
<div class="formula-box">
"Crise Dollar EM" : 0.75 × log(4+1) = 0.75 × 1.609 = 1.04
"Choc Pétrolier" : 0.68 × log(28+1) = 0.68 × 3.367 = 2.27
</div>
<p>Avec seulement 4 trades, l'intervalle de confiance binomial à 95% pour un win rate de 75% est [19.4%, 99.4%]. C'est extrêmement large. Le vrai win rate pourrait tout aussi bien être 20% ou 99%.</p>
<p>Avec 28 trades, l'intervalle est [48.8%, 83.1%] — beaucoup plus informative. La formule reflète naturellement cette réalité : le score "achète" de la crédibilité au fil des trades.</p>
<div class="callout amber">
<div class="label">Règle du Système</div>
Patterns avec n &lt; 5 → badge "⚠ petit échantillon" visible dans l'UI. Patterns avec n &lt; 3 → exclus des suggestions automatiques (flag <code>score_insuffisant = True</code> en DB).
</div>
</div>
</div>
<h3 id="s4-2">4.2 Contre-Thèses &amp; Invalidation</h3>
<p>Chaque pattern généré par GPT-4o inclut obligatoirement une contre-thèse et un trigger d'invalidation. C'est l'une des protections les plus importantes du système contre le biais de confirmation.</p>
<div class="example-box">
<div class="ex-header">Exemple Complet — Thèse / Contre-Thèse / Surveillance</div>
<div class="ex-body">
<table>
<tr><td style="width:30%;font-weight:700;color:#0f2d6b;">Thèse</td><td>"L'escalade en mer de Chine méridionale va perturber les routes pétrolières et faire monter XLE" → Long XLE calls $90, expiration Septembre 2026</td></tr>
<tr><td style="font-weight:700;color:#0f2d6b;">Contre-thèse</td><td>"La Chine bluff diplomatiquement pour forcer des concessions commerciales. Si les négociations reprennent, la prime de risque disparaît et le pétrole recule de 5–8%."</td></tr>
<tr><td style="font-weight:700;color:#dc2626;">Triggers d'invalidation</td><td>1. Annonce de pourparlers diplomatiques directs US-Chine en mer de Chine<br>2. Retrait des navires militaires chinois de la zone contestée<br>3. Déclaration conjointe ASEAN de "de-escalation"<br>4. Brent recule de plus de 4% en une séance</td></tr>
<tr><td style="font-weight:700;color:#d97706;">Probabilité d'invalidation</td><td>35% (estimée par GPT-4o, à ajuster si des nouvelles émergent)</td></tr>
<tr><td style="font-weight:700;color:#16a34a;">Action si trigger détecté</td><td>Alerte rouge dans l'interface, suggestion de fermer ou de réduire la position de 50%</td></tr>
</table>
</div>
</div>
<h4>Surveillance Automatique des Triggers</h4>
<p>À chaque cycle (6h), le système passe les titres RSS dans GPT-4o-mini avec les triggers stockés en base pour chaque position ouverte. Si une correspondance sémantique est détectée (score cosinus &gt; 0.82), une alerte d'invalidation est générée.</p>
</div>
</div>
</div>
<h3 id="s4-3">4.3 Score de Brier &amp; Calibration</h3>
<p>Le score de Brier mesure la précision des probabilités estimées par GPT-4o. Un modèle bien calibré annonce 70% quand la réalité est vraie 70% du temps.</p>
<div class="formula-box">
Brier Score = (1/N) × Σ (prédiction_i - résultat_i)²
Interprétation :
Brier &lt; 0.10 → Excellent
Brier 0.10–0.20 → Bon à modéré
Brier 0.20–0.33 → Moyen
Brier = 0.25 → Équivalent à une pièce de monnaie aléatoire
Brier &gt; 0.33 → Pire qu'aléatoire
</div>
<h4>Table de calibration simulée</h4>
<table class="sim-table">
<thead><tr><th>Bucket Prédit</th><th>Nb Trades</th><th>Taux Réel</th><th>Biais</th><th>Diagnostic</th></tr></thead>
<tbody>
<tr><td>10–20%</td><td>8</td><td class="val-green">13%</td><td>-3%</td><td>Bien calibré</td></tr>
<tr><td>30–40%</td><td>18</td><td class="val-green">38%</td><td>-1%</td><td>Excellent</td></tr>
<tr><td>50–60%</td><td>31</td><td class="val-amber">52%</td><td>-6%</td><td>Légèrement surconfiant</td></tr>
<tr><td>60–70%</td><td>28</td><td class="val-red">42%</td><td>-23%</td><td class="val-red">SURCONFIANT</td></tr>
<tr><td>80–90%</td><td>14</td><td class="val-red">61%</td><td>-25%</td><td class="val-red">TRÈS SURCONFIANT</td></tr>
</tbody>
</table>
<div class="formula-box">
Brier Score simulé ≈ 0.18 → "Modérément calibré"
Bucket 30-40%: 18 × (0.35 - 0.38)² = 18 × 0.0009 = 0.016
Bucket 60-70%: 28 × (0.65 - 0.42)² = 28 × 0.0529 = 1.481
Bucket 80-90%: 14 × (0.85 - 0.61)² = 14 × 0.0576 = 0.806
Total / 157 trades ≈ 0.18
</div>
<div class="callout red">
<div class="label">Interprétation Clé</div>
Quand GPT-4o annonce 80–90%, il n'a raison qu'à 61–67% du temps. Ne jamais miser plus sur un pattern parce que son score est de 85% vs 65% — la différence réelle de performance est bien plus faible. Le système corrige cela via l'ajustement bayésien (Section 6.1).
</div>
<h3 id="s4-4">4.4 Demi-vie des Insights KB</h3>
<p>Les insights de la Knowledge Base ont une durée de vie limitée. Le système gère une demi-vie de 180 jours (configurable) pour déprécier automatiquement les insights anciens.</p>
<div class="formula-box">
Poids_actuel = poids_initial × e^(-λ × âge_jours)
λ = ln(2) / demi_vie = 0.693 / 180 = 0.00385
Après 180j : poids = 0.50
Après 360j : poids = 0.25
Après 540j : poids = 0.125 → insight marginalisé
</div>
<table>
<thead><tr><th>Date</th><th>Âge</th><th>Poids</th><th>Statut</th></tr></thead>
<tbody>
<tr><td>Oct 2025 (création)</td><td>0j</td><td>1.00</td><td>Actif, prioritaire</td></tr>
<tr><td>Jan 2026</td><td>90j</td><td>0.71</td><td>Actif, légèrement déprécié</td></tr>
<tr><td>Avr 2026</td><td>180j</td><td>0.50</td><td>Demi-vie atteinte</td></tr>
<tr><td>Oct 2026</td><td>360j</td><td>0.25</td><td>Archivage recommandé</td></tr>
</tbody>
</table>
<p><strong>Règle système :</strong> Si poids &lt; 0.15 ET l'événement géopolitique n'est plus détecté dans les flux RSS depuis 30 jours → insight archivé automatiquement et exclu du Super Contexte.</p>
<div class="page-break"></div>
<!-- SECTION 5 -->
<h2 id="s5">5. <span class="badge badge-p3">Phase 3</span> — Portfolio &amp; Risk Engine</h2>
<h3 id="s5-1">5.1 Vue Portefeuille Consolidée</h3>
<table class="sim-table">
<thead><tr><th>Position</th><th>Secteur</th><th>Score Entrée</th><th>P&amp;L</th><th>% Horizon</th><th>Taille €</th><th>Statut</th></tr></thead>
<tbody>
<tr><td>Long XLE call spread $90/$98 Sept26</td><td>Énergie</td><td class="val-green">78</td><td class="val-green">+14.2%</td><td>67%</td><td>1,240€</td><td>Mature — surveiller sortie</td></tr>
<tr><td>Long GLD call $195 Août26</td><td>Métaux</td><td class="val-amber">62</td><td class="val-red">-3.1%</td><td>18%</td><td>820€</td><td>Début — laisser courir</td></tr>
<tr><td>Short VIX straddle $22/$28 Juil26</td><td>Indices</td><td class="val-green">71</td><td class="val-green">+8.7%</td><td>52%</td><td>980€</td><td>Mature — surveiller VIX</td></tr>
<tr><td>Long USDCAD call 1.39 Juil26</td><td>Forex</td><td class="val-red">55</td><td class="val-green">+2.3%</td><td>8%</td><td>460€</td><td>Trop tôt — patience</td></tr>
</tbody>
</table>
<h4>Concentration par Secteur</h4>
<div class="bar-chart">
<div class="bar-row"><div class="bar-label">Énergie</div><div class="bar-track"><div class="bar-fill amber" style="width:35%;">35%</div></div></div>
<div class="bar-row"><div class="bar-label">Indices</div><div class="bar-track"><div class="bar-fill blue" style="width:28%;">28%</div></div></div>
<div class="bar-row"><div class="bar-label">Métaux</div><div class="bar-track"><div class="bar-fill green" style="width:25%;">25%</div></div></div>
<div class="bar-row"><div class="bar-label">Forex</div><div class="bar-track"><div class="bar-fill purple" style="width:12%;">12%</div></div></div>
</div>
<div class="callout green">
<div class="label">Règle de Lecture</div>
Un trade en début de vie (% horizon &lt; 20%) qui perd -3% doit être ignoré — la thèse n'a pas encore eu le temps de se déployer. Un trade mature (&gt;60% horizon) en profit doit être suivi de près pour une sortie partielle avant l'accélération du time decay.
</div>
<h3 id="s5-2">5.2 Risk Cluster Engine</h3>
<p>Deux positions dans des secteurs différents peuvent être exposées au même facteur de risque sous-jacent. Le Cluster Engine identifie ces dépendances cachées.</p>
<table>
<thead><tr><th>Position</th><th>Facteur Géopolitique</th><th>Facteur Inflation</th><th>Facteur Dollar</th><th>Facteur Liquidité</th></tr></thead>
<tbody>
<tr><td>Long XLE call spread</td><td>60%</td><td>40%</td><td>0%</td><td>0%</td></tr>
<tr><td>Long GLD call</td><td>20%</td><td>50%</td><td>80%</td><td>0%</td></tr>
<tr><td>Short VIX straddle</td><td>0%</td><td>0%</td><td>0%</td><td>80%</td></tr>
<tr><td>Long USDCAD call</td><td>0%</td><td>20%</td><td>70%</td><td>10%</td></tr>
</tbody>
</table>
<div class="formula-box">
Exposition consolidée Facteur Dollar :
0.35×0% + 0.25×80% + 0.28×0% + 0.12×70%
= 0% + 20% + 0% + 8.4% = 28%
(Avec pondération par valeur de position : Énergie 35%, Métaux 25%, Indices 28%, Forex 12%)
Facteur Géopolitique : 0.35×60% + 0.25×20% = 21% + 5% = 26%
Facteur Dollar : 0.25×80% + 0.12×70% = 20% + 8.4% = ~28%
Facteur Inflation : 0.35×40% + 0.25×50% + 0.12×20% = ~29%
Facteur Liquidité : 0.28×80% + 0.12×10% = ~24%
</div>
<div class="callout red">
<div class="label">Alerte Concentration — Facteur Dollar 53%</div>
Dans notre exemple simulé, si l'on comptabilise GLD (fortement anti-dollar) et USDCAD (direct forex dollar), le facteur dollar dépasse 53% du portefeuille — au-dessus du seuil configuré de 40%.<br><br>
<strong>Injection dans le méga-prompt :</strong> "⚠️ Facteur dollar saturé (53%) — pénaliser fortement les nouveaux patterns dépendants du dollar. Taille Kelly réduite de 50% sur tout pattern à facteur dollar."
</div>
<h3 id="s5-3">5.3 Position Sizing — Kelly Fractionnel</h3>
<div class="formula-box">
Kelly complet : f* = (p × G - (1 - p)) / G
Exemple — Pattern "Choc Pétrolier Moyen-Orient" :
p = 0.68 (win rate sur 28 trades)
G = 2.50 (gain moyen +12.4% / perte moyenne -4.9%)
f* = (0.68 × 2.50 - 0.32) / 2.50
= (1.70 - 0.32) / 2.50
= 1.38 / 2.50
= 0.552 = 55.2% → Kelly complet
Kelly fractionnel (×1/3) : 55.2% × 0.333 = 18.4%
Ajustement cluster (facteur géopolitique saturé) :
18.4% / 2 = 9.2%
Capital disponible 10,000€ → Taille : 920€
</div>
<table>
<thead><tr><th>Approche</th><th>Fraction Kelly</th><th>Taille (10k€)</th><th>Drawdown max espéré</th><th>Recommandation</th></tr></thead>
<tbody>
<tr><td>Kelly Complet</td><td>55.2%</td><td>5,520€</td><td>-65% (ruine possible)</td><td class="val-red">JAMAIS</td></tr>
<tr><td>Kelly × 1/2</td><td>27.6%</td><td>2,760€</td><td>-38%</td><td class="val-red">Agressif</td></tr>
<tr><td class="val-green">Kelly × 1/3</td><td class="val-green">18.4%</td><td class="val-green">1,840€</td><td class="val-green">-22%</td><td class="val-green">Recommandé</td></tr>
<tr><td>Kelly × 1/4</td><td>13.8%</td><td>1,380€</td><td>-15%</td><td class="val-amber">Conservateur</td></tr>
<tr><td>Kelly × 1/3 + ajust. cluster</td><td>9.2%</td><td>920€</td><td>-10%</td><td class="val-green">Appliqué ici</td></tr>
</tbody>
</table>
<div class="callout amber">
<div class="label">Pourquoi pas le Kelly Complet ?</div>
Le Kelly Complet maximise log(richesse) théoriquement mais produit des drawdowns de 50–70% psychologiquement insoutenables. Il suppose aussi une connaissance exacte de p et G. Kelly/3 donne 75% de la croissance théorique pour 30% du risque — consensus académique (Ed Thorp, Poundstone).
</div>
<h3 id="s5-4">5.4 HHI &amp; Score de Diversification</h3>
<div class="formula-box">
HHI = Σ (part_secteur_i)²
Portefeuille actuel :
HHI = 0.35² + 0.25² + 0.28² + 0.12²
= 0.1225 + 0.0625 + 0.0784 + 0.0144
= 0.278
N effectif = 1 / 0.278 = 3.6 positions indépendantes
Score Diversification = 3.6 / 4 = 90% → Bien diversifié
Seuils :
HHI &lt; 0.25 → Bien diversifié
HHI 0.25–0.35 → Acceptable
HHI &gt; 0.35 → CONCENTRÉ — alerte
</div>
<div class="callout blue">
<div class="label">Interprétation N Effectif</div>
Avec 4 positions réelles, le N effectif est 3.6. Le portefeuille se comporte comme 3.6 positions indépendantes — la légère corrélation entre énergie et inflation (XLE et GLD tous deux sensibles à l'inflation) explique pourquoi on n'atteint pas le maximum théorique de 4.0.
</div>
<h3 id="s5-5">5.5 Drawdown Attendu</h3>
<div class="formula-box">
DD_attendu = Σ (allocation_facteur_i × volatilité_facteur_i)
Volatilités historiques annualisées :
Géopolitique : 40% · Inflation : 30% · Dollar : 25% · Liquidité : 35%
DD_attendu = 0.26×40% + 0.29×30% + 0.28×25% + 0.24×35%
= 10.4% + 8.7% + 7.0% + 8.4% = 34.5%
Correction diversification (HHI=0.278) :
DD_effectif ≈ 34.5% × √(N_effectif) / N_réel
≈ 34.5% × √3.6 / 4
≈ 34.5% × 0.474 ≈ 16.4%
Seuil d'alerte Risk Committee : &gt; 25% → ici 16.4% = zone acceptable
</div>
<div class="page-break"></div>
<!-- SECTION 6 -->
<h2 id="s6">6. <span class="badge badge-p4">Phase 4</span> — IA Probabiliste &amp; Apprentissage</h2>
<h3 id="s6-1">6.1 Mise à Jour Bayésienne</h3>
<p>La mise à jour bayésienne permet au système d'apprendre des résultats réels pour corriger les probabilités estimées par GPT-4o.</p>
<div class="formula-box">
Prior : β(α₀=1, β₀=1) — prior neutre de Jeffreys
Mise à jour :
Si win → α = α + 1
Si loss → β = β + 1
Posterior mean = α / (α + β)
IC 95% ≈ ± 1.96 × √(α×β / ((α+β)² × (α+β+1)))
</div>
<div class="example-box">
<div class="ex-header">Évolution Bayésienne — "Escalade Tarifaire US-Chine" (Prior GPT = 65%)</div>
<div class="ex-body">
<table>
<thead><tr><th>Étape</th><th>Trades</th><th>Wins</th><th>α</th><th>β</th><th>Posterior</th><th>IC 95%</th></tr></thead>
<tbody>
<tr><td>Initial (prior neutre)</td><td>0</td><td>—</td><td>1</td><td>1</td><td>50.0%</td><td>±35%</td></tr>
<tr><td>5 trades (3 wins)</td><td>5</td><td>3</td><td>4</td><td>3</td><td>57.1%</td><td>±28%</td></tr>
<tr><td>12 trades (8 wins)</td><td>12</td><td>8</td><td>9</td><td>5</td><td>64.3%</td><td>±18%</td></tr>
<tr><td class="val-green">28 trades (19 wins)</td><td>28</td><td>19</td><td class="val-green">20</td><td class="val-green">10</td><td class="val-green">66.7%</td><td class="val-green">±9.2%</td></tr>
</tbody>
</table>
<p><strong>Conclusion :</strong> Prior GPT (65%) et posterior (66.7%) convergent. GPT-4o était bien calibré sur ce pattern. Intervalle final : [57.5%, 75.9%].</p>
</div>
</div>
<div class="example-box">
<div class="ex-header">Dérive Massive — "Coup d'État Afrique Subsaharienne" (Prior GPT = 80%)</div>
<div class="ex-body">
<table>
<thead><tr><th>Étape</th><th>Trades</th><th>Wins</th><th>Posterior</th><th>Dérive vs Prior</th></tr></thead>
<tbody>
<tr><td>5 trades (2 wins)</td><td>5</td><td>2</td><td>42.9%</td><td class="val-red">-37.1%</td></tr>
<tr><td>10 trades (4 wins)</td><td>10</td><td>4</td><td>41.7%</td><td class="val-red">-38.3%</td></tr>
<tr><td class="val-red">15 trades (7 wins)</td><td>15</td><td>7</td><td class="val-red">47.1%</td><td class="val-red">-32.9%</td></tr>
</tbody>
</table>
<p><strong>Diagnostic :</strong> Dérive de -32.9% — GPT surestimait massivement. Biais probable : sur-représentation médiatique des coups d'état africains dans le training data. Pattern automatiquement déclassé.</p>
</div>
</div>
<h4>Table Comparative — 6 Patterns Prior vs Posterior</h4>
<table class="sim-table">
<thead><tr><th>Pattern</th><th>Prior GPT</th><th>Trades</th><th>Posterior</th><th>Dérive</th><th>Verdict</th></tr></thead>
<tbody>
<tr><td>Choc Pétrolier MO</td><td>65%</td><td>28</td><td class="val-green">66.7%</td><td>+1.7%</td><td class="val-green">Bien calibré</td></tr>
<tr><td>Hausse Or Safety</td><td>70%</td><td>19</td><td class="val-green">72.4%</td><td>+2.4%</td><td class="val-green">Bien calibré</td></tr>
<tr><td>Escalade Tarifaire US-CN</td><td>65%</td><td>12</td><td class="val-amber">58.3%</td><td>-6.7%</td><td class="val-amber">Légèrement surconfiant</td></tr>
<tr><td>Coup d'État Afrique</td><td>80%</td><td>15</td><td class="val-red">47.1%</td><td>-32.9%</td><td class="val-red">TRÈS SURCONFIANT</td></tr>
<tr><td>Recession Tech Short</td><td>55%</td><td>9</td><td class="val-green">50.0%</td><td>-5.0%</td><td class="val-green">Acceptable</td></tr>
<tr><td>Hausse Taux Fed Surprise</td><td>60%</td><td>7</td><td class="val-red">37.5%</td><td>-22.5%</td><td class="val-red">Surconfiant</td></tr>
</tbody>
</table>
<h3 id="s6-2">6.2 Clustering de Régimes K-Means</h3>
<p>Le clustering K-Means (implémenté en pur Python) identifie automatiquement le régime macroéconomique actuel.</p>
<h4>Les 7 Features</h4>
<table>
<thead><tr><th>Feature</th><th>Mesure</th><th>Signal Principal</th></tr></thead>
<tbody>
<tr><td>VIX</td><td>Niveau absolu (z-score 252j)</td><td>Stress / Panique</td></tr>
<tr><td>slope_10y3m</td><td>Spread taux 10Y - 3M</td><td>Récession (si &lt;0)</td></tr>
<tr><td>DXY_change</td><td>Variation 1 mois dollar</td><td>Risk-off si fort</td></tr>
<tr><td>Brent_change</td><td>Variation 1 mois pétrole</td><td>Inflation / Géopolitique</td></tr>
<tr><td>Gold_change</td><td>Variation 1 mois or</td><td>Flight-to-safety</td></tr>
<tr><td>Copper_change</td><td>Variation 1 mois cuivre</td><td>Demande industrielle</td></tr>
<tr><td>SPX_vs_200d</td><td>SPX / MA200 - 1</td><td>Trend bull/bear</td></tr>
</tbody>
</table>
<h4>3 Snapshots Illustratifs</h4>
<table class="sim-table">
<thead><tr><th>Date</th><th>VIX</th><th>Slope</th><th>DXY</th><th>Brent</th><th>Gold</th><th>Copper</th><th>SPX/200d</th><th>Cluster Identifié</th></tr></thead>
<tbody>
<tr><td>Oct 2022</td><td class="val-red">32</td><td class="val-red">-0.8%</td><td class="val-red">+2.1%</td><td>+4.5%</td><td class="val-red">-1.2%</td><td class="val-red">-2.3%</td><td class="val-red">-15%</td><td><strong>Cluster 2 — Récession/Risk-Off</strong></td></tr>
<tr><td>Mar 2024</td><td class="val-green">14</td><td class="val-green">+0.2%</td><td class="val-green">-0.3%</td><td>+0.5%</td><td class="val-green">+0.8%</td><td class="val-green">+1.2%</td><td class="val-green">+12%</td><td><strong>Cluster 1 — Expansion Tranquille</strong></td></tr>
<tr><td>Juin 2026</td><td class="val-amber">24</td><td class="val-red">-0.42%</td><td class="val-amber">-0.4%</td><td class="val-red">+3.1%</td><td class="val-amber">+1.2%</td><td class="val-red">-1.8%</td><td class="val-amber">-2%</td><td><strong>Cluster 0 — Stress Géopolitique</strong></td></tr>
</tbody>
</table>
<h4>Matrice de Transition Simulée</h4>
<table class="sim-table">
<thead><tr><th>De / Vers →</th><th>Expansion</th><th>Stress Géo</th><th>Récession</th><th>Stagflation</th></tr></thead>
<tbody>
<tr><td><strong>Expansion</strong></td><td class="matrix-cell-hot">68%</td><td>12%</td><td>8%</td><td>12%</td></tr>
<tr><td><strong>Stress Géo</strong></td><td>18%</td><td class="matrix-cell-hot">52%</td><td>15%</td><td>15%</td></tr>
<tr><td><strong>Récession</strong></td><td>22%</td><td>8%</td><td class="matrix-cell-hot">58%</td><td>12%</td></tr>
<tr><td><strong>Stagflation</strong></td><td>10%</td><td>20%</td><td>15%</td><td class="matrix-cell-hot">55%</td></tr>
</tbody>
</table>
<div class="callout blue">
<div class="label">Lecture Matrice</div>
En Stress Géopolitique : 52% de chance d'y rester, 18% de retour à l'Expansion. 48% de probabilité de changement de régime dans la semaine → privilégier horizons &lt; 30 jours en Stress Géo.
</div>
<h4>Détection d'Anomalies</h4>
<div class="formula-box">
Distance au centroïde = √(Σ (feature_i - centroide_i)²)
Anomalie si distance &gt; μ_distance + 3σ_distance
Exemple — Crash COVID Mars 2020 :
VIX = 48 → z-score = +4.8σ
SPX_vs_200d = -28% → z-score = -5.2σ
Distance au centroïde Récession = 6.8σ
→ 6.8σ &gt; seuil 3σ → ANOMALIE MARQUÉE
→ Exclu du calcul des centroïdes pour ne pas distordre les clusters
→ Analyse IA note : "Conditions hors-norme — historique limité disponible"
</div>
<h3 id="s6-3">6.3 Embeddings Sémantiques</h3>
<p>Avant d'ajouter un pattern à la KB, le système vérifie l'absence de doublon sémantique. Jaccard (mots communs) rate la majorité des doublons réels. Les embeddings capturent le sens.</p>
<div class="example-box">
<div class="ex-header">Exemple 1 — Doublon Manqué par Jaccard</div>
<div class="ex-body">
<p>Pattern A : "Escalade tensions Taiwan Strait" · Pattern B : "Taiwan military conflict risk"</p>
<div class="formula-box">
Jaccard : {taiwan} / {escalade,tensions,taiwan,strait,military,conflict,risk}
= 1/7 = 14% → SOUS 30% → Accepté (FAUX NÉGATIF)
Cosine : 0.89 → AU-DESSUS 0.75 → REJETÉ (CORRECT)
</div>
</div>
</div>
<div class="example-box">
<div class="ex-header">Exemple 2 — Zéro Mot Commun, Même Sens</div>
<div class="ex-body">
<p>Pattern C : "Fed rate hike cycle accelerates" · Pattern D : "Monetary policy tightening pressure"</p>
<div class="formula-box">
Jaccard : 0/9 = 0% → SOUS 30% → Accepté (FAUX NÉGATIF)
Cosine : 0.82 → AU-DESSUS 0.75 → REJETÉ (CORRECT)
</div>
</div>
</div>
<h4>Table — 5 Candidats Évalués</h4>
<table class="sim-table">
<thead><tr><th>Candidat</th><th>Pattern Existant</th><th>Jaccard</th><th>Cosine</th><th>Décision</th></tr></thead>
<tbody>
<tr><td>Escalade Taiwan Strait</td><td>Taiwan military conflict</td><td class="val-green">14%</td><td class="val-red">0.89</td><td class="val-red">REJETÉ (cosine)</td></tr>
<tr><td>Fed rate hike cycle</td><td>Monetary policy tightening</td><td class="val-green">0%</td><td class="val-red">0.82</td><td class="val-red">REJETÉ (cosine)</td></tr>
<tr><td>OPEC supply cut shock</td><td>Choc pétrolier MO</td><td class="val-green">8%</td><td class="val-red">0.78</td><td class="val-red">REJETÉ (cosine)</td></tr>
<tr><td>Crypto crash régulation</td><td>Choc pétrolier MO</td><td class="val-green">0%</td><td class="val-green">0.12</td><td class="val-green">ACCEPTÉ — nouveau pattern</td></tr>
<tr><td>Pénurie céréales Inde</td><td>Pénurie Blé Ukraine</td><td class="val-amber">22%</td><td class="val-amber">0.71</td><td class="val-green">ACCEPTÉ — distinct</td></tr>
</tbody>
</table>
<h3 id="s6-4">6.4 Analytics Dashboard</h3>
<table>
<thead><tr><th>Section</th><th>Contenu</th><th>Question Clé</th><th>Action si Problème</th></tr></thead>
<tbody>
<tr><td><strong>Calibration Brier</strong></td><td>Courbe prédit vs réalisé par bucket, score Brier global, trend 6 mois</td><td>"GPT-4o est-il trop confiant ?"</td><td>Appliquer un facteur de déflation sur scores &gt;65%</td></tr>
<tr><td><strong>Analyse Bayésienne</strong></td><td>Prior vs posterior par pattern, dérive, IC 95%, convergence</td><td>"Le modèle apprend-il dans la bonne direction ?"</td><td>Déclasser patterns avec dérive &gt;20%</td></tr>
<tr><td><strong>Clustering Régimes</strong></td><td>Projection 2D (PCA), centroides, matrice transition, anomalies</td><td>"Dans quel régime sommes-nous ?"</td><td>Si &gt;3 changements en 30j → réduire tailles</td></tr>
<tr><td><strong>Déduplication KB</strong></td><td>Heatmap similarités cosine, clusters sémantiques</td><td>"La KB a-t-elle des doublons ?"</td><td>Fusions manuelles si cosine &gt; 0.85</td></tr>
</tbody>
</table>
<div class="page-break"></div>
<!-- SECTION 7 -->
<h2 id="s7">7. Les Prompts IA — Boîte Noire Ouverte</h2>
<p>GeoOptions utilise 6 appels GPT distincts, chacun avec un rôle précis et une structure optimisée.</p>
<h3>Prompt 1 — Analyse Géopolitique &amp; Scoring RSS</h3>
<span class="badge badge-mini">GPT-4o-mini</span> <span class="badge badge-db">~500 tokens</span>
<table>
<thead><tr><th>Élément</th><th>Contenu</th><th>Pourquoi</th></tr></thead>
<tbody>
<tr><td>Système</td><td>"Analyste géopolitique spécialisé en risques de marché financier."</td><td>Contextualise sur le cas d'usage financier, évite les analyses politiques sans lien trading</td></tr>
<tr><td>Input</td><td>Titres RSS des 6 dernières heures (15–40 titres), liste des régions, date/heure</td><td>Fenêtre de 6h correspond au cycle — on n'analyse que le nouveau</td></tr>
<tr><td>Instruction</td><td>Score 0–100 par région, événements clés (max 3), impact marché (haussier/baissier/neutre). JSON strict.</td><td>JSON strict permet le parsing fiable sans post-traitement</td></tr>
<tr><td>Exclusions</td><td>Pas de contexte macro, pas d'historique de trades</td><td>Évite le biais de confirmation — l'IA ne doit pas scorer en fonction des positions ouvertes</td></tr>
</tbody>
</table>
<h3>Prompt 2 — Régime Macro</h3>
<span class="badge badge-mini">GPT-4o-mini</span> <span class="badge badge-db">~800 tokens</span>
<div class="example-box">
<div class="ex-header">Structure du Prompt 2</div>
<div class="ex-body">
<pre style="font-family:'Courier New',monospace;font-size:8.5pt;white-space:pre-wrap;">SYSTÈME : "Expert en macroéconomie et cycles économiques. Classifiez le régime
actuel parmi : Expansion, Stagflation, Récession, Stress Géopolitique."
INPUT : VIX, slope 10Y-3M, DXY change, Brent change, Gold change,
Copper change, SPX vs MA200, CPI, PMI Manufacturing
OUTPUT JSON :
{
"regime_dominant": "STAGFLATION",
"score_dominant": 72,
"regimes": {"expansion": 11, "stagflation": 72, "recession": 42, "stress_geo": 63},
"indicateurs_cles": ["Brent +3.1%", "Cuivre -1.8%", "Pente -0.42%"],
"duree_regime_estimee_jours": 45
}</pre>
</div>
</div>
<div class="callout amber">
<div class="label">Anti-Biais Clé</div>
Le prompt Régime Macro ne contient aucune information sur les positions ouvertes ni sur les patterns précédents. L'IA évalue le régime indépendamment. Sinon, elle tendrait à confirmer un régime "favorable aux positions ouvertes" par biais de cohérence.
</div>
<h3>Prompt 3 — Super Contexte</h3>
<span class="badge badge-ai">GPT-4o</span> <span class="badge badge-db">~1,200 tokens input · gate 6h</span>
<table>
<thead><tr><th>Élément injecté</th><th>Source</th><th>Condition d'inclusion</th></tr></thead>
<tbody>
<tr><td>Patterns KB fiables</td><td>Table <code>knowledge_base</code></td><td>Score fiabilité &gt; 1.5 ET poids demi-vie &gt; 0.3</td></tr>
<tr><td>Trades récents fermés</td><td>Table <code>trades</code></td><td>Fermés dans les 30 derniers jours ET maturité &gt; 40%</td></tr>
<tr><td>Trades ouverts</td><td>Table <code>portfolio</code></td><td>Maturité horizon &gt; 40% (trades "informatifs")</td></tr>
<tr><td>Alertes portefeuille</td><td>Risk Engine</td><td>Toujours inclus — filtres permanents</td></tr>
<tr><td>Patterns récents refusés</td><td>Table <code>analyses_ia</code></td><td>Rejetés par le trader dans les 14 derniers jours</td></tr>
</tbody>
</table>
<h3>Prompt 4 — Méga-Prompt (Génération Patterns)</h3>
<span class="badge badge-ai">GPT-4o</span> <span class="badge badge-db">~4,500 tokens input · ~800 tokens output</span>
<div class="example-box">
<div class="ex-header">Structure du Méga-Prompt (condensé)</div>
<div class="ex-body">
<pre style="font-family:'Courier New',monospace;font-size:8pt;white-space:pre-wrap;">SYSTÈME : "Expert options trader spécialisé en géopolitique, macroéconomie et
volatilité implicite. Suggérer 3 à 5 patterns pour trader individuel ~1,000€
par position, horizon 3 mois, Interactive Brokers."
CONTEXTE MARCHÉ : [Prix, VIX, Brent, DXY, Or, pente 10Y-3M...]
RÉGIME MACRO : [Output Prompt 2 : STAGFLATION 72%...]
CONTEXTE GÉO : [Output Prompt 1 : Geo Score 68, tensions par région...]
MÉTRIQUES OPTIONS : [IV Rank, term structure, skew, PC Ratio par ticker...]
SUPER CONTEXTE : [Output Prompt 3 : patterns fiables, trades récents, risques]
CONTRAINTES OBLIGATOIRES :
- Chaque pattern inclut : ticker, stratégie (strikes estimés), probabilité 0.0-1.0,
horizon jours, contre-thèse, trigger invalidation, facteurs risque, taille Kelly%
- IV Rank doit correspondre à la stratégie (vendre vol si rank &gt;75%)
- Ne pas suggérer patterns sur facteurs saturés sans réduction taille notée
FORMAT : JSON strict avec champs définis.</pre>
</div>
</div>
<h3>Prompt 5 — Surveillance des Triggers</h3>
<span class="badge badge-mini">GPT-4o-mini</span> <span class="badge badge-db">~400 tokens · exécuté à chaque cycle</span>
<div class="formula-box">
SYSTÈME : "Évaluez si les news suivantes correspondent aux triggers
d'invalidation d'une position de trading."
INPUT : triggers de la position + titres RSS des 6 dernières heures
OUTPUT : {"triggers_détectés": [{"trigger": "...", "confidence": 0.87, "citation": "..."}]}
Seuil : confidence &gt; 0.75 → ALERTE INVALIDATION générée dans l'UI
</div>
<h3>Prompt 6 — Rapport IA Narratif</h3>
<span class="badge badge-ai">GPT-4o</span> <span class="badge badge-db">~2,000 tokens input · ~600 tokens output</span>
<p>Une fois les patterns filtrés et validés algorithmiquement, ce prompt crée le rapport narratif visible dans la page "Rapport IA". Il explique le raisonnement, les patterns refusés et les risques à surveiller.</p>
<div class="callout green">
<div class="label">Séparation Décision / Communication</div>
Le Méga-Prompt (P4) génère des données structurées pour les algorithmes. Le Rapport IA (P6) génère du texte pour le trader humain. Cette séparation évite qu'un texte persuasif n'influence la décision — les patterns sont déjà filtrés quantitativement avant la rédaction du rapport.
</div>
<div class="page-break"></div>
<!-- SECTION 8 -->
<h2 id="s8">8. Tables de la Base de Données</h2>
<h3>Groupe 1 — Données de Marché &amp; Signaux</h3>
<table>
<thead><tr><th>Table</th><th>Colonnes Clés</th><th>Rôle</th><th>Rétention</th></tr></thead>
<tbody>
<tr><td><code>market_data</code></td><td>ticker, timestamp, price, change_pct, volume, iv_current, iv_rank, iv_percentile</td><td>Prix et métriques marché par cycle</td><td>180 jours</td></tr>
<tr><td><code>geo_signals</code></td><td>timestamp, region, score, events_json, impact_oil, impact_gold, impact_usd</td><td>Scores géopolitiques par région, par cycle</td><td>365 jours</td></tr>
<tr><td><code>macro_regime</code></td><td>timestamp, regime_dominant, score_expansion, score_stagflation, score_recession, score_stress_geo, indicateurs_json</td><td>Historique des régimes macroéconomiques</td><td>Permanent</td></tr>
<tr><td><code>options_flow</code></td><td>ticker, timestamp, strike, expiration, oi_calls, oi_puts, pc_ratio, iv_term_structure_json</td><td>Open Interest et structure de la volatilité</td><td>90 jours</td></tr>
</tbody>
</table>
<h3>Groupe 2 — IA &amp; Patterns</h3>
<table>
<thead><tr><th>Table</th><th>Colonnes Clés</th><th>Rôle</th></tr></thead>
<tbody>
<tr><td><code>analyses_ia</code></td><td>id, timestamp, cycle_id, patterns_json, rapport_narratif, tokens_used, cost_usd, regime_at_time</td><td>Archive de toutes les sorties GPT-4o avec coûts</td></tr>
<tr><td><code>knowledge_base</code></td><td>id, nom, description, strategie, ticker, facteurs_risque, score_fiabilite, nb_trades, win_rate, pnl_moyen, created_at, last_updated, halflife_weight, embedding_vector</td><td>Base de patterns avec scores et embeddings sémantiques</td></tr>
<tr><td><code>pattern_performance</code></td><td>pattern_id, trade_id, resultat, pnl_pct, score_entree, regime_entree, regime_sortie</td><td>Lien entre patterns et résultats réels des trades</td></tr>
<tr><td><code>super_contexte</code></td><td>id, timestamp, contenu_text, tokens_count, last_generated_at</td><td>Cache du Super Contexte avec gate 6 heures</td></tr>
</tbody>
</table>
<h3>Groupe 3 — Portefeuille &amp; Trades</h3>
<table>
<thead><tr><th>Table</th><th>Colonnes Clés</th><th>Rôle</th></tr></thead>
<tbody>
<tr><td><code>portfolio</code></td><td>id, ticker, strategie, direction, score_entree, taille_eur, date_entree, date_expiration, pnl_actuel_pct, facteurs_risque_json, triggers_invalidation_json, statut</td><td>Positions options ouvertes avec métadonnées complètes</td></tr>
<tr><td><code>trades</code></td><td>id, portfolio_id, date_fermeture, pnl_final_pct, raison_fermeture, notes_trader</td><td>Historique complet des trades fermés</td></tr>
<tr><td><code>invalidation_alerts</code></td><td>id, portfolio_id, trigger_text, confidence, news_citation, timestamp, acquittee</td><td>Alertes d'invalidation détectées et leur statut</td></tr>
</tbody>
</table>
<h3>Groupe 4 — Phase 4 (IA Probabiliste) — Nouvelles Tables</h3>
<table>
<thead><tr><th>Table</th><th>Colonnes Clés</th><th>Rôle</th></tr></thead>
<tbody>
<tr><td><code>bayesian_estimates</code></td><td>pattern_id, alpha, beta, prior_gpt, posterior_mean, posterior_ic95_low, posterior_ic95_high, n_updates, last_updated</td><td>Posteriors bayésiens par pattern — le cœur de l'apprentissage</td></tr>
<tr><td><code>regime_clusters</code></td><td>timestamp, cluster_id, cluster_label, centroid_json, features_json, distance_to_centroid, is_anomaly</td><td>Historique du clustering K-Means avec coordonnées</td></tr>
<tr><td><code>brier_tracking</code></td><td>cycle_id, pattern_id, predicted_proba, actual_outcome, brier_contrib, bucket</td><td>Données brutes pour calcul du score de Brier</td></tr>
<tr><td><code>config</code></td><td>key, value, description, updated_at</td><td>Paramètres système (seuils Kelly, capital, demi-vie KB)</td></tr>
</tbody>
</table>
<div class="callout blue">
<div class="label">Relations Clés</div>
<code>portfolio.id</code> → <code>trades.portfolio_id</code> · <code>knowledge_base.id</code> → <code>pattern_performance.pattern_id</code> · <code>knowledge_base.id</code> → <code>bayesian_estimates.pattern_id</code> · <code>analyses_ia.id</code> → <code>brier_tracking.cycle_id</code>
</div>
<div class="page-break"></div>
<!-- SECTION 9 -->
<h2 id="s9">9. Guide Trader — Lire le Cockpit Page par Page</h2>
<h3>Page 1 — Dashboard</h3>
<p><strong>Regarder en premier :</strong> Bandeau supérieur — régime dominant + geo score. Si géo &gt; 60 (rouge) ou VIX &gt; 25 → journée à risque élevé.</p>
<p><strong>Quand agir :</strong> Si "Nouveaux patterns disponibles" avec score &gt; 70 → aller sur page Patterns avant l'ouverture de marché.</p>
<h3>Page 2 — Radar Géopolitique</h3>
<p><strong>Regarder en premier :</strong> 2–3 régions avec scores les plus élevés (rouge). Cliquer sur une région affiche les événements détaillés des 24h.</p>
<p><strong>Quand agir :</strong> Si un score régional monte de plus de 15 points en 24h → événement potentiellement tradeable. Aller sur Options Lab pour vérifier IV Rank du sous-jacent concerné.</p>
<h3>Page 3 — Marchés</h3>
<p><strong>Regarder en premier :</strong> Brent, Or, VIX, DXY — les 4 baromètres du régime. Ensuite ETF sectoriels (XLE, GLD, TLT).</p>
<p><strong>Quand agir :</strong> Si XLE +3% ET VIX +8% le même jour → configuration "choc offre" → vérifier patterns énergie disponibles.</p>
<h3>Page 4 — Régime Macro</h3>
<p><strong>Regarder en premier :</strong> Régime dominant et le badge <strong>"stable Xj"</strong> affiché à côté du score. Un régime stable depuis 5+ jours (lissage Bayésien actif) est fiable. "0j d'historique" = premier chargement, le bootstrap est en cours.</p>
<p><strong>Comprendre le score % :</strong> Ce n'est pas une probabilité — c'est un score 0–100 d'accumulation de signaux concordants, lissé sur l'historique. Un score de 65% ne signifie pas "65% de chances". Deux scénarios à 60% et 55% indiquent une ambiguïté réelle.</p>
<p><strong>Quand agir :</strong> Si deux régimes à moins de 10 points après lissage → le système maintient l'ancien dominant et le badge "stable" reste fixe. Signe de transition — ne pas ouvrir de positions fortement directionnelles.</p>
<h3>Page 5 — Options Lab</h3>
<p><strong>Regarder en premier :</strong> Tableau IV Rank. Vert (IV Rank &lt; 30%) = opportunités d'achat vol. Rouge (&gt; 75%) = opportunités de vente vol.</p>
<p><strong>Quand agir :</strong> TOUJOURS consulter avant de valider un pattern. Si le pattern suggère "long call XLE" mais IV Rank = 80% → l'achat est très cher → attendre un pullback de vol.</p>
<h3>Page 6 — Patterns IA</h3>
<p><strong>Regarder en premier :</strong> Patterns classés par score décroissant. Ne considérer que les scores &gt; 65. Vérifier taille Kelly et disponibilité en capital.</p>
<p><strong>Quand agir :</strong> Valider = enregistrer l'intention. L'exécution est sur Interactive Brokers. Cliquer "Rejeter" évite la représentation dans les 2 prochains cycles.</p>
<div class="callout red">
<div class="label">Règle d'Or</div>
Lire TOUJOURS la contre-thèse avant de valider. Si elle vous semble plus probable que la thèse, rejeter le pattern même si le score est élevé. L'IA ne connaît pas votre contexte informationnel personnel.
</div>
<h3>Page 7 — Portefeuille</h3>
<p><strong>Regarder en premier :</strong> Alertes de cluster (facteur saturé) en rouge. Puis P&L des positions matures (&gt;60% horizon).</p>
<p><strong>Quand agir :</strong> Position mature en profit +15% → prise de bénéfices partielle. Perte &gt;20% avec trigger d'invalidation détecté → fermer immédiatement.</p>
<h3>Page 8 — Journal de Bord</h3>
<p><strong>Regarder en premier :</strong> Win rate par régime macro. Si win rate en "Stagflation" = 42% mais global = 65% → problème structurel avec ce régime.</p>
<p><strong>Quand agir :</strong> Revue mensuelle. Pattern répété &gt; 5 fois avec win rate &lt; 45% → exclure de la KB ou réduire le score fiabilité manuellement.</p>
<h3>Page 9 — Rapport IA</h3>
<p><strong>Regarder en premier :</strong> Section "Risques à Surveiller" — liste les catalyseurs à calendrier connu (réunions Fed, publications PMI, élections).</p>
<p><strong>Quand agir :</strong> Si catalyseur attendu dans les 5 prochains jours, vérifier que les positions ouvertes ne sont pas directement exposées.</p>
<h3>Page 10 — Super Contexte</h3>
<p>Lecture mensuelle. Vérifier que les patterns "obsolètes" (événements &gt; 6 mois) sont archivés. Le texte narratif doit refléter la réalité actuelle, pas l'histoire.</p>
<h3>Page 11 — Analytics</h3>
<p><strong>Métriques de santé :</strong> Brier Score (viser &lt; 0.20), N effectif (viser &gt; 3.0), taux de patterns validés vs rejetés (si &lt; 30% validés → filtres trop stricts ou qualité IA insuffisante).</p>
<p><strong>Quand agir :</strong> Win rate en tendance baissière sur 3 mois → le marché a changé, revoir les paramètres.</p>
<h3>Page 12 — Analytics Avancées</h3>
<p>Usage mensuel avancé. Contrôler la courbe de calibration Brier pour détecter une surconfiance croissante. Vérifier la matrice de transition pour ajuster les horizons selon la stabilité du régime.</p>
<h3>Page 13 — Risk Dashboard</h3>
<p><strong>Regarder en premier :</strong> Alertes rouges (saturation facteur, drawdown élevé). Puis tableau Kelly par position.</p>
<p><strong>Quand agir :</strong> OBLIGATOIREMENT avant toute nouvelle position. Vérifier que l'ajout ne fait pas monter HHI &gt; 0.35 ou un facteur &gt; 50%.</p>
<h3>Page 14 — Config</h3>
<p>Révision trimestrielle : capital total, fraction Kelly, seuils de concentration. Ne jamais modifier le modèle GPT en production sans tester sur un cycle complet.</p>
<div class="page-break"></div>
<!-- SECTION 10 -->
<h2 id="s10">10. Décisions de Conception — Pourquoi Pas Autrement ?</h2>
<table>
<thead><tr><th>Décision</th><th>Alternative Rejetée</th><th>Raison du Choix</th></tr></thead>
<tbody>
<tr><td><strong>K-Means from scratch</strong></td><td>scikit-learn KMeans</td><td>Zéro dépendance lourde. K-Means = 40 lignes Python pur pour 4 clusters sur 7 features. Scikit-learn ajoute ~50 Mo pour fonctionnalité identique. Sur VPS léger, la différence est significative.</td></tr>
<tr><td><strong>Cosine Similarity plutôt que Jaccard</strong></td><td>Jaccard, Levenshtein, TF-IDF</td><td>Les patterns géopolitiques utilisent un vocabulaire riche et synonymique. Jaccard rate les doublons sans mots communs (60% des cas testés). Cosine via embeddings OpenAI capture la sémantique complète. Disponible sans coût additionnel via l'API existante.</td></tr>
<tr><td><strong>Kelly × 1/3</strong></td><td>Taille fixe, Kelly × 1/2, Kelly complet</td><td>Taille fixe ignore l'edge du pattern. Kelly complet = draws de 60%+ psychologiquement insoutenables. Kelly × 1/3 = consensus académique (Ed Thorp, Poundstone) : 75% de la croissance théorique pour 30% du risque.</td></tr>
<tr><td><strong>Gate 6h Super Contexte</strong></td><td>Régénérer à chaque cycle</td><td>Coût : ~0.015$ à régénérer. Sur cycles 15min : ~1.44$/jour. Gate 6h → 0.06$/jour. Le contenu change rarement sur 6h (trades ouverts et patterns KB évoluent lentement).</td></tr>
<tr><td><strong>Trades matures uniquement dans le Super Contexte</strong></td><td>Inclure tous les trades ouverts</td><td>Un trade à 3.3% de son horizon (3j/90j) n'a pas testé la thèse. L'inclure envoie un signal bruit. Les trades matures (&gt;40% horizon) ont subi l'épreuve du temps et sont véritablement informatifs.</td></tr>
<tr><td><strong>SQLite</strong></td><td>PostgreSQL, MySQL</td><td>Usage mono-utilisateur sur VPS. SQLite = sans serveur, portable (fichier unique), supporte des centaines de milliers de lignes sans problème pour ce cas d'usage. PostgreSQL est justifié pour multi-utilisateurs ou millions de lignes.</td></tr>
<tr><td><strong>Prior neutre (α=β=1)</strong></td><td>Prior basé sur le score GPT</td><td>Si l'on utilise le score GPT comme prior et que GPT est surconfiant (&gt;65%), on initialise avec un biais. Le prior de Jeffreys (α=β=1) laisse les données réelles parler sans polluer avec la surconfiance GPT.</td></tr>
<tr><td><strong>GPT-4o-mini pour prompts simples</strong></td><td>GPT-4o pour tout</td><td>Scoring RSS et surveillance triggers ne nécessitent pas le raisonnement avancé de GPT-4o. GPT-4o-mini = 5× moins cher et suffisant pour classification et correspondance. Économie : ~60% du coût IA total.</td></tr>
<tr><td><strong>Demi-vie KB de 180 jours</strong></td><td>Poids constant, demi-vie 365j</td><td>Les événements géopolitiques ont des cycles de vie naturels. Une crise qui dure &gt; 6 mois soit se normalise soit évolue structurellement. 180 jours = délai médian empirique entre émergence d'un événement géopolitique et intégration dans les prix.</td></tr>
<tr><td><strong>4 régimes macro</strong></td><td>2 régimes (Risk-On/Off), 6 régimes</td><td>2 régimes simplifient trop (ignorent stagflation vs récession = stratégies options radicalement différentes). 6+ régimes = sous-groupes trop petits pour matrices de transition statistiquement significatives. 4 régimes = quadrants classiques macro avec historique suffisant.</td></tr>
</tbody>
</table>
<div class="page-break"></div>
<!-- SECTION 11 -->
<h2 id="s11">11. Glossaire</h2>
<table>
<thead><tr><th style="width:25%">Terme</th><th>Définition</th></tr></thead>
<tbody>
<tr><td><strong>IV (Implied Volatility)</strong></td><td>Volatilité future "anticipée" par le marché, calculée en inversant la formule de Black-Scholes à partir du prix observé d'une option. Exprimée en pourcentage annualisé.</td></tr>
<tr><td><strong>IV Rank</strong></td><td>Rang de l'IV actuelle dans sa plage annuelle : (IV_actuelle - IV_min_52s) / (IV_max_52s - IV_min_52s). Score 0–100. &lt;25 = cheap, &gt;75 = cher.</td></tr>
<tr><td><strong>IV Percentile</strong></td><td>Proportion des jours de l'année où l'IV était inférieure à l'IV actuelle. Plus robuste que l'IV Rank car ne dépend pas d'un seul pic ou creux extrême.</td></tr>
<tr><td><strong>Term Structure</strong></td><td>Courbe de l'IV en fonction des expirations. Contango = IV croissante (normal). Backwardation = IV décroissante (stress court terme).</td></tr>
<tr><td><strong>Skew</strong></td><td>IV_put_25delta - IV_call_25delta. Skew positif = puts plus chers = protection demand. Indique l'asymétrie anticipée par le marché.</td></tr>
<tr><td><strong>Open Interest (OI)</strong></td><td>Nombre de contrats options ouverts (non fermés). Spike d'OI sur un strike = intérêt institutionnel marqué = mur de résistance/support potentiel.</td></tr>
<tr><td><strong>Put/Call Ratio</strong></td><td>OI puts / OI calls. &gt;1.2 = sentiment défensif institutionnel. &lt;0.7 = sentiment spéculatif haussier. Indicateur contrarian.</td></tr>
<tr><td><strong>Delta</strong></td><td>Sensibilité du prix de l'option au mouvement du sous-jacent. Delta 0.25 = l'option gagne 0.25€ pour chaque +1€ du sous-jacent. Option ATM ≈ Delta 0.50.</td></tr>
<tr><td><strong>Gamma</strong></td><td>Vitesse de changement du delta. Dealer gamma négatif = les market makers amplifient les mouvements. Dealer gamma positif = ils amortissent les mouvements.</td></tr>
<tr><td><strong>Thêta (Time Decay)</strong></td><td>Érosion de la valeur d'une option avec le temps. Accélère dans les 30 derniers jours. Vendeurs bénéficient, acheteurs luttent contre lui.</td></tr>
<tr><td><strong>Kelly Criterion</strong></td><td>Formule de sizing optimal : f* = (p×G - (1-p)) / G. Maximise la croissance géométrique du capital à long terme.</td></tr>
<tr><td><strong>Kelly Fractionnel</strong></td><td>Kelly × 1/k (k=2, 3 ou 4). GeoOptions utilise k=3. Réduit le risque au détriment d'une partie de la croissance optimale, mais psychologiquement tenable.</td></tr>
<tr><td><strong>HHI (Herfindahl-Hirschman Index)</strong></td><td>Mesure de concentration : Σ(part_i)². De 0 (parfaitement diversifié) à 1.0 (monopole total). &lt;0.25 = bien diversifié, &gt;0.35 = concentré.</td></tr>
<tr><td><strong>N Effectif</strong></td><td>1/HHI. Nombre de positions "complètement indépendantes" équivalentes dans le portefeuille. 6 positions corrélées peuvent avoir N effectif = 2.5.</td></tr>
<tr><td><strong>Brier Score</strong></td><td>Métrique de calibration probabiliste : Σ(prédiction - résultat)²/N. 0 = parfait, 0.25 = équivalent aléatoire. Mesure si les probabilités annoncées correspondent aux fréquences réelles.</td></tr>
<tr><td><strong>Prior (Bayésien)</strong></td><td>Probabilité initiale avant d'observer des données. GeoOptions utilise un prior neutre (α=β=1) qui est progressivement écrasé par les données réelles.</td></tr>
<tr><td><strong>Posterior (Bayésien)</strong></td><td>Probabilité mise à jour après observation : α/(α+β). Converge vers le vrai win rate avec suffisamment de trades.</td></tr>
<tr><td><strong>Distribution Bêta</strong></td><td>Distribution sur [0,1] paramétrée par (α, β). Utilisée pour modéliser l'incertitude sur un taux de succès. Conjuguée de la vraisemblance binomiale → mise à jour analytique simple.</td></tr>
<tr><td><strong>Intervalle de Confiance IC95</strong></td><td>Plage contenant le vrai paramètre avec 95% de probabilité. IC large = incertitude élevée (peu de données). IC étroit = estimation fiable.</td></tr>
<tr><td><strong>K-Means</strong></td><td>Algorithme de clustering non supervisé. Partitionne N points en K groupes en minimisant la variance intra-groupe. Itère entre attribution au centroïde le plus proche et recalcul des centroïdes.</td></tr>
<tr><td><strong>Centroïde</strong></td><td>Centre d'un cluster K-Means. Moyenne de toutes les observations assignées à ce cluster sur toutes les dimensions. Représente le "point typique" du régime.</td></tr>
<tr><td><strong>Matrice de Transition</strong></td><td>Matrice K×K où l'entrée (i,j) = probabilité de passer du régime i au régime j. Permet d'anticiper les transitions et d'ajuster les horizons de trading.</td></tr>
<tr><td><strong>Anomalie K-Means</strong></td><td>Point à plus de 3σ du centroïde de son cluster. Signale des conditions hors-norme sans précédent récent (ex: VIX=48 en mars 2020). Exclu du calcul des centroïdes.</td></tr>
<tr><td><strong>Embedding Vectoriel</strong></td><td>Représentation d'un texte comme vecteur haute dimension (1536 dims pour text-embedding-ada-002). Textes sémantiquement similaires → vecteurs proches (angle faible).</td></tr>
<tr><td><strong>Cosine Similarity</strong></td><td>cos(θ) = (A·B)/(|A|×|B|). De -1 (opposés) à +1 (identiques). Mesure la direction (le sens) indépendamment de la norme. Seuil GeoOptions : &gt;0.75 = doublon.</td></tr>
<tr><td><strong>Jaccard Similarity</strong></td><td>|A∩B|/|A∪B|. Mesure les mots communs entre deux textes. Simple mais aveugle aux synonymes et au sens sémantique. Seuil GeoOptions : &gt;0.30 = doublon.</td></tr>
<tr><td><strong>DBSCAN</strong></td><td>Algorithme de clustering alternatif qui découvre des clusters de forme arbitraire et identifie les outliers. Non utilisé dans GeoOptions (K-Means suffisant pour 4 régimes fixes).</td></tr>
<tr><td><strong>Straddle</strong></td><td>Achat (ou vente) simultanée d'un call et d'un put de même strike et expiration. Long straddle = parie sur un mouvement important. Short straddle = parie sur la stabilité.</td></tr>
<tr><td><strong>Strangle</strong></td><td>Comme le straddle mais avec des strikes différents (call OTM + put OTM). Moins cher à acheter. Short strangle = stratégie de vente de vol populaire en IV Rank élevé.</td></tr>
<tr><td><strong>Call Spread (Bull)</strong></td><td>Achat call strike bas + vente call strike élevé. Coût réduit vs call seul, profit plafonné. Idéal pour hausse modérée en IV élevée.</td></tr>
<tr><td><strong>OTM / ATM</strong></td><td>Out-of-The-Money : strike moins favorable que le prix actuel. At-The-Money : strike proche du prix actuel (maximum de gamma et valeur temps).</td></tr>
<tr><td><strong>Calendar Spread</strong></td><td>Vente d'option court terme + achat même strike long terme. Profite de la décroissance plus rapide du time value court. Adapté en backwardation.</td></tr>
<tr><td><strong>Contango / Backwardation</strong></td><td>Contango : IV croissante avec la maturité (marché calme). Backwardation : IV décroissante (stress aigu court terme). Signaux opposés pour les stratégies de vol.</td></tr>
<tr><td><strong>Demi-vie (Half-life)</strong></td><td>Temps nécessaire pour que le poids d'un insight KB diminue de moitié. w(t) = e^(-λt), λ = ln(2)/demi_vie. GeoOptions : 180 jours par défaut.</td></tr>
<tr><td><strong>Pattern Reliability Score</strong></td><td>win_rate × log(n+1). Pénalise les petits échantillons et valorise la cohérence sur de nombreux trades. &gt;1.5 = fiable, &lt;0.5 = insuffisant.</td></tr>
<tr><td><strong>Régime Macro</strong></td><td>État macroéconomique parmi 8 scénarios : Goldilocks, Désinflation, Soft Landing, Reflation, Stagflation, Choc Inflationniste, Récession, Crise de Liquidité. Déterminé par scoring règle-basé sur ~50 indicateurs (signaux blendés 1j/5j/10j) + lissage Bayésien sur 25 jours d'historique. Score 0–100 par régime, non normalisé (pas des probabilités). Badge "stable Xj" = nombre de jours consécutifs du dominant actuel.</td></tr>
<tr><td><strong>Géo Score</strong></td><td>Score agrégé de tension géopolitique mondiale, 0–100. Calculé par moyenne pondérée des scores régionaux. &gt;60 = élevé, &gt;75 = critique. Impacte directement les suggestions IA.</td></tr>
<tr><td><strong>Trigger d'Invalidation</strong></td><td>Événement spécifique dont l'occurrence remet en cause la thèse d'un trade. Surveillance automatique via RSS + GPT-4o-mini à chaque cycle. Alerte si confidence &gt; 0.75.</td></tr>
<tr><td><strong>Factor Clustering</strong></td><td>Classification des positions par facteur de risque sous-jacent (géopolitique, inflation, dollar, liquidité) pour détecter les corrélations cachées entre positions de secteurs différents.</td></tr>
</tbody>
</table>
<hr>
<div class="footer-doc">
<p>Document généré le 19 juin 2026 · GeoOptions Intelligence v4.1</p>
<p>FastAPI + React + SQLite + GPT-4o · Usage interne trader · Confidentiel</p>
<p>Sections : Architecture · Cycle complet simulé · Phase 1 IV/Structure · Phase 2 Fiabilité/Calibration · Phase 3 Risk Engine · Phase 4 IA Probabiliste · 6 Prompts IA · 14+ Tables DB · Guide 15 pages · 10 Décisions conception · Glossaire 35+ termes</p>
</div>
</body>
</html>
Reference in New Issue View Git Blame Copy Permalink