Documentation Horacle Hub | Horacle Capital

1. Introduction & Mission

Cadre institutionnel, vocation de la plateforme et élimination des biais cognitifs.

Horacle Hub est un terminal d'aide à la décision macroéconomique et quantitative conçu pour les investisseurs autonomes, traders actifs, gérants de portefeuille et trésoreries d'entreprise.

La Philosophie Horacle Capital

La majorité des approches de marché échouent en raison de trois erreurs méthodologiques récurrentes :

Erreur 01

Le surapprentissage (Overfitting)

Tester des milliers de combinaisons d'indicateurs jusqu'à obtenir une courbe historique flatteuse mais incapable de survivre en temps réel.

Erreur 02

La fuite de données future (Temporal Leakage)

Utiliser des moyennes mobiles globales ou des validations croisées standard qui intègrent l'information du futur dans le passé.

Erreur 03

L'analyse mono-factorielle

Baser une décision sur un seul indicateur : une cassure graphique, un écart de taux isolé ou une annonce de presse brute.

Standards Hedge Funds Appliqués

Modélisation statistique validée rigoureusement hors échantillon (Out-Of-Sample : OOS) en fenêtres glissantes (walk-forward).
Préservation de la mémoire longue des cycles économiques via la différenciation fractionnaire.
Validation des signaux par une règle stricte de convergence multi-factorielle.

2. Le Dogme Marcos López de Prado

Application rigoureuse des préceptes d'Advances in Financial Machine Learning (2018).

Stationnarité vs Mémoire : Différenciation Fractionnaire (FFD)

Le Problème de l'Économétrie Classique

L'économétrie traditionnelle impose une différenciation entière standard (d = 1) pour rendre une série chronologique stationnaire :

$$\Delta X_t = X_t - X_{t-1}$$

Cette opération détruit l'intégralité de la mémoire des cycles économiques, des niveaux de valorisation et des tendances de fond. Une série de prix différenciée à l'ordre 1 ne conserve plus qu'un bruit blanc sans pouvoir prédictif.

La Solution : Différenciation Fractionnaire à Fenêtre Fixe

Nous appliquons l'opérateur binomial pour tout réel d compris entre 0 et 1 :

$$(1 - B)^d = \sum_{k=0}^{\infty} (-1)^k \binom{d}{k} B^k$$

où les coefficients de mémoire sont calculés récursivement :

$$\omega_0 = 1, \quad \omega_k = -\omega_{k-1} \frac{d - k + 1}{k}$$

Optimisation du Seuil d*

Nos moteurs déterminent par recherche dichotomique la valeur minimale d* comprise entre 0 et 1 satisfaisant le test augmenté de Dickey-Fuller (ADF, p < 0.05) tout en maximisant la corrélation avec la série originale (ρ ≈ 0.85 à 0.90).

python / frac_diff_ffd.py

import numpy as np
import pandas as pd

def get_weights_ffd(d: float, threshold: float = 1e-4) -> np.ndarray:
    """Calcule les poids de mémoire FFD tronqués au seuil d'information."""
    weights = [1.0]
    k = 1
    while True:
        w_k = -weights[-1] / k * (d - k + 1)
        if abs(w_k) < threshold:
            break
        weights.append(w_k)
        k += 1
    return np.array(weights[::-1])

def frac_diff_ffd(series: pd.Series, d: float, threshold: float = 1e-4) -> pd.Series:
    """Différenciation fractionnaire à fenêtre fixe sans fuite d'information future."""
    w = get_weights_ffd(d, threshold)
    width = len(w)
    res = series.rolling(window=width).apply(lambda x: np.dot(x, w), raw=True)
    return res.dropna()

Simulateur Interactif : Compromis Stationnarité vs Mémoire

Ajustez le paramètre d

Ordre d : 0.40

d = 0.0 (Prix Brut) d* = 0.40 d = 1.0 (Rendement)

Test Dickey-Fuller (p-value)

p = 0.038 (Stationnaire)

Seuil critique : p < 0.05

Corrélation Série Originale

ρ = 0.89

Mémoire longue préservée

Profil des poids de mémoire historiques appliqués sur le passé :

Aujourd'hui (k=0, poids=1.0) Zone Optimale d* atteinte Passé distant (k → infini)

Labellisation : Triple-Barrier Method & Méta-Labellisation

La Limite des Horizons Fixes

Définir un label par la simple direction du prix à horizon fixe est une erreur critique : cette méthode ignore les fluctuations intra-période, la volatilité instantanée et le risque d'atteindre un stop-loss avant l'échéance.

La Méthode des Trois Barrières :

1. Barrière supérieure (Take Profit) : Prix + pt · σ
2. Barrière inférieure (Stop Loss) : Prix - sl · σ
3. Barrière verticale (Échéance temporelle) : t + h

Conditionnée par la volatilité journalière EWMA (λ = 0.94).

Méta-Labellisation & Architecture en Deux Étapes

La séparation des responsabilités entre intuition fondamentale et validation probabiliste :

Modèle Primaire (Économétrie Macro) : Détermine le biais directionnel fondamental $y_1 \in \{-1, +1\}$.
Modèle Secondaire (ML Filtrant) : Classifieur binaire supervisé qui prédit la probabilité d'atteindre la cible avant le stop : $y_2 \in \{0, 1\}$.
Dimensionnement Continu (Bet Sizing) :
$$s_t = \text{clip}\left(2 \cdot P(y_2 = 1) - 1, \; 0.0, \; 1.0\right)$$
Si la confiance est inférieure à 50%, le trade est purement rejeté.

Calculateur Interactif : Triple-Barrier Bet Sizing (López de Prado)

Probabilité Méta du Modèle Secondaire :

72%

Capital du Portefeuille (€) :

Risque de Base par Trade :

Taille Bet Sizing (st)

0.44

Risque Effectif (€)

440 €

Statut d'Exécution

ACCEPTÉ (44%)

Filtre Anti-Bruit

> 50% Requis

Validation Croisée : Purged K-Fold & Embargo

La validation croisée standard (K-Fold aléatoire) sur séries financières produit un surapprentissage massif : les données d'entraînement chevauchent l'horizon de test.

Protocole Purged K-Fold

Purge : Retrait systématique de l'échantillon d'entraînement de toute observation dont l'étiquette (issue du Triple-Barrier) chevauche la période de test.
Embargo : Suppression d'une fenêtre de sécurité h immédiatement après la période de test afin de neutraliser toute autocorrélation résiduelle des erreurs.

Combinatorial Purged Cross-Validation (CPCV)

Le protocole CPCV génère l'ensemble des combinaisons possibles de N blocs pris k à k. Il permet de générer des milliers de chemins de backtest statistiquement équivalents et de calculer la Probabilité de Surapprentissage (Probability of Backtest Overfitting : PBO).

Importance des Variables : Clustered Feature Importance (CFI)

L'indice classique Mean Decrease Impurity (MDI) des forêts aléatoires est faussé en présence de variables macroéconomiques fortement corrélées (ex. taux souverains, spreads de crédit, anticipations d'inflation).

L'Algorithme CFI en Trois Phases :

Partitionnement hiérarchique non-supervisé des variables en clusters non-redondants via la matrice de distance.
Permutation conjointe des variables au sein de chaque cluster sur l'échantillon out-of-sample.
Mesure de la baisse d'exactitude out-of-sample (MDA clusterisé). Seuls les clusters conservant une contribution marginale positive sont retenus dans les modèles.

Allocation de Portefeuille : Hierarchical Risk Parity (HRP)

L'Échec de l'Optimisation de Markowitz

L'optimisation moyenne-variance standard exige l'inversion d'une matrice de covariance empirique :

$$w^* = \frac{\Sigma^{-1} \mathbf{1}}{\mathbf{1}^T \Sigma^{-1} \mathbf{1}}$$

L'inversion de matrice agit comme un amplificateur de bruit statistique, sur-pondérant les actifs aux corrélations instables.

L'Approche HRP en 3 Étapes (Sans Inversion)

1. Distance de corrélation :
$$D(i, j) = \sqrt{\frac{1 - \rho_{i,j}}{2}}$$
2. Quasi-diagonalisation : Réorganisation des lignes et colonnes de la matrice de covariance le long de la diagonale.
3. Bisection récursive : Allocation inversement proportionnelle à la variance de chaque sous-groupe :
$$\alpha_1 = 1 - \frac{V_1}{V_1 + V_2}, \quad \alpha_2 = 1 - \alpha_1$$

Évaluation du Track Record : Deflated Sharpe Ratio (DSR)

Le ratio de Sharpe annualisé brut ne signifie rien sans correction du nombre de stratégies testées. Horacle Hub calcule le Deflated Sharpe Ratio (DSR) qui ajuste le ratio de Sharpe selon l'asymétrie, l'aplatissement des rendements, la durée du test et le nombre total d'essais :

$$\text{DSR} = Z\left( \frac{(\widehat{SR} - SR^*) \sqrt{T-1}}{\sqrt{1 - \hat{\gamma}_3 \widehat{SR} + \frac{\hat{\gamma}_4 - 1}{4} \widehat{SR}^2}} \right)$$

où le seuil critique représente la découverte fallacieuse attendue sous hypothèse nulle avec K essais indépendants.

3. Grammaire Visuelle & Conventions du Terminal

Standardisation des métriques, échelle unifiée et sémantique des statuts de marché.

Échelle Numérique Normalisée [-10.0, +10.0]

Chaque score fondamental, différentiel de taux ou signal de modèle est standardisé sur une échelle fermée allant de -10.0 à +10.0 :

Plage de Score	Catégorie de Conviction	Couleur Sémantique	Interprétation Fondamentale
+6.0 à +10.0	Strong Bullish	Émeraude Fort (#047857)	Expansion économique solide, surperformance des taux, soutien monétaire net.
+2.0 à +5.9	Bullish	Émeraude Doux (#10B981)	Biais positif modéré, accumulation institutionnelle régulière.
-1.9 à +1.9	Neutral	Gris Ardoise (#64748B)	Forces contradictoires, absence de catalyseur directionnel exploitable.
-5.9 à -2.0	Bearish	Rubis Doux (#F43F5E)	Biais baissier mesuré, détérioration des différentiels réels.
-10.0 à -6.0	Strong Bearish	Rubis Fort (#DC2626)	Dégradation macroéconomique sévère, fuite des capitaux, débouclage de positions.

Badges d'Impulsion Momentum

L'Edge Finder calcule la variation du score fondamental sur 5 séances (ΔS_5) et lui associe un badge d'impulsion :

BULL ACCEL

Score positif en accélération (≥ +1.5). Confirmation de momentum haussier.

BULL DECEL

Score positif mais en ralentissement (≤ -1.0). Risque de prise de bénéfices.

BEAR ACCEL

Score négatif s'enfonçant rapidement (≤ -1.5). Mouvement baissier puissant.

BEAR DECEL

Score négatif réduisant sa dégradation (≥ +1.0). Possibilité d'épuisement vendeur.

CHG OF BIAS

Franchissement du zéro en 5 séances. Changement de régime fondamental.

FLAT

Variation négligeable. Stabilité fondamentale.

4. L'Edge Finder FX & Cross-Asset

Moteur décisionnel central : 7 piliers fondamentaux, règle de convergence et calibration du risque.

Les 7 Piliers Fondamentaux

1. Croissance & Activité Économique Macro Cycle

Données : PMIs manufacturiers et services, Nowcasting PIB, surprises d'activité haute fréquence.

Rôle : Mesurer la vigueur relative du cycle d'affaires entre deux devises.

2. Inflation & Surprises Macro (M1) Price Dynamics

Données : Core CPI, PCE déflateur, PPI, dynamique séquentielle MoM/YoY et indice de surprise z-score.

Rôle : Déterminer la pression exercée sur la fonction de réaction de la banque centrale.

3. Taux Souverains & Portages 2 Ans Monetary Proxy

Données : Spreads d'obligations d'État à 2 ans, swaps OIS, portage net (Carry).

Rôle : Le moteur de flux institutionnel le plus puissant à moyen terme.

4. Discours Banques Centrales (FinBERT NLP) Semantic AI

Données : Conférences de presse, comptes-rendus (Minutes), déclarations des gouverneurs.

Rôle : Lead-lag sémantique sur les futures trajectoires de taux directeurs.

5. Positionnement Spéculatif CFTC / COT Institutional Flow

Données : Rapports hebdomadaires Commitments of Traders, positions nettes des gestionnaires spéculatifs.

Rôle : Détection des sur-pondérations excessives et des risques de liquidation forcée.

6. Juste Valeur Économétrique (BEER / PPA) Equilibrium

Données : Modèle comportemental d'équilibre (BEER) basé sur les termes de l'échange et la productivité.

Rôle : Mesure du potentiel de retour à la moyenne (mean-reversion) et des primes excessives.

7. Liquidité Bancaire & Bilan Systemic Liquidity

Données : Compte Général du Trésor US (TGA), facilités de pension inverse (Reverse Repo RRP), taille des bilans Fed/BCE.

Rôle : Disponibilité de la liquidité excédentaire dans le système bancaire mondial.

La Règle de Convergence Stricte (≥ 5/7 ou 6/7)

Règle d'Or du Desk Horacle Capital :

"Aucun trade directionnel n'est initié si moins de 5 des 7 piliers fondamentaux ne pointent rigoureusement dans la même direction."

7 / 7 Piliers

Conviction Max (1.50×)

6 / 7 Piliers

Standard (1.00× à 1.25×)

5 / 7 Piliers

Admissibilité Min

≤ 4 / 7 Piliers

INTERDICTION DE TRADER

Simulateur Interactif : Testeur de Convergence des 7 Piliers

Activez chaque pilier pour tester la règle de décision

1. Croissance & Nowcasting PIB

2. Inflation & Surprises Macro (M1)

3. Taux Souverains & Portages 2 Ans

4. NLP FinBERT Banques Centrales

5. Positionnement Spéculatif COT

6. Juste Valeur BEER / PPA

7. Liquidité Bancaire & Bilan

Convergence Détectée

6 / 7 Piliers Baissiers

Verdict du Desk

TRADE AUTORISÉ (VALIDÉ)

Dimensionnement Suggéré

1.25× (Taille Optimale)

Dimensionnement du Risque Ajusté de la Volatilité (Bet Sizing)

Le dimensionnement d'un trade ne doit jamais dépendre de la distance arbitraire en pips, mais de la volatilité instantanée du sous-jacent :

$$\text{Taille Position} = \frac{\text{Capital} \times \text{Risque Max } (1\%)}{\text{Stop-Loss (pips)} \times \text{Valeur du Pip}} \times \frac{\sigma_{\text{médiane}}}{\sigma_{\text{actuelle}}}$$

Si la volatilité EWMA est anormalement comprimée, le marché offre un ratio risque/rendement favorable (taille ajustée jusqu'à 1.25×).
En cas de pic de volatilité de panique, la position est automatiquement réduite (0.50× à 0.75×) pour conserver une perte monétaire rigoureusement constante.

Pièges Fréquents & Bonnes Pratiques du Desk

Piège Méthodologique	Réalité Économique & Risque	Solution Horacle Hub
Trader une surprise d'inflation isolée	Si le marché est déjà sur-positionné dans le sens du chiffre, le cours peut se retourner instantanément (effet sell the news).	Vérifier le percentile COT (Pilier 5) avant toute entrée post-chiffre.
Ignorer les termes de l'échange	Une hausse des taux causée par un choc d'offre énergétique détériore l'économie (stagflation) et affaiblit sa monnaie à moyen terme.	Croiser le spread 2 ans avec le modèle BEER de juste valeur (Pilier 6).
Utiliser un stop-loss fixe en pips	Un stop à 40 pips sur l'USD/JPY (volatilité élevée) garantit une sortie prématurée par le simple bruit de marché.	Toujours calibrer le stop sur un multiple de l'ATR journalier ou de la volatilité EWMA.

5. Tutoriel : Cas Pratique Réel de Recherche Macro (Short EUR/USD)

Reconstitution chronologique complète d'un arbitrage macroéconomique exécuté par le desk Horacle Capital.

PHASE 1 / 6 CATALYSEUR MACROÉCONOMIQUE

Étape 1 : Le Choc Initial & Le Catalyseur Fondamental

Événement Macro : Flambée des cours du gaz naturel européen TTF (+18% en deux semaines suite à des incidents d'infrastructure en mer du Nord), tandis que l'indice des prix américain (US Core CPI) surprend à la hausse à +0.32% MoM (consensus à +0.18%).

L'Intuition du Desk : La Zone Euro fait face à une dégradation de ses termes de l'échange et à un risque de stagflation qui lie les mains de la BCE. Les États-Unis affichent une demande intérieure résiliente, contraignant la Réserve Fédérale à maintenir des taux restrictifs prolongés.

PHASE 3 / 6 TABLEAU DE BORD DE VALIDATION QUANTITATIVE

Étape 3 : Validation Quantitative sur Horacle Hub

Indicateur Hub	Valeur Observée	Signal / Statut	Rôle dans la Validation
Score Global Edge Finder	-6.4 / 10	Strong Bearish	Déséquilibre macroéconomique majeur.
Règle de Convergence	6 / 7 Piliers Alignés	VALIDÉ	Croissance, Inflation, Taux 2Y, FinBERT, COT, Fair Value.
Badge d'Impulsion Momentum	ΔS_5 = -2.2	BEAR ACCEL	Le mouvement fondamental s'accélère.
FinBERT NLP Banques Centrales	Fed +0.65 vs BCE -0.42	Divergence Nette	Écart sémantique de 1.07 point : pressions divergentes.
Positionnement Spéculatif COT	Percentile 88%	Risque Squeeze	Gestionnaires trop acheteurs : risque de capitulation.
Sentiment Retail Contrarien	76% Acheteurs	Signal Vendeur	La foule achète le support : liquidité de sortie idéale.
Juste Valeur BEER (M14)	Surévaluation +3.4%	Prime Excessive	L'Euro cote au-dessus de sa juste valeur (1.0520).

6. Catalogue des 31 Modèles Quantitatifs

Fiches méthodologiques des 31 moteurs factoriels, économétriques et d'apprentissage machine.

Explorateur des 31 Modèles Horacle Hub

M1 Surprises Macro Biais Contrarien z104 M2 Régimes Markov Switching 3 États M3 Score Multi-Couches 3-Layer Orthogonal M4 Nowcasting PIB Dynamic Factor DFM M6 Facteurs FX Carry, Value, Mom M14 BEER Fair Value Cointégration Johansen M17 COT Spéculatif Percentile 3Y CFTC M21 Volatilité GARCH GJR-GARCH Asymétrique M24 FinBERT Banques Lead-Lag Sémantique M26 Saisonnalité 20Y Médiane Tronquée 10% M28-M31 Allocation HRP / NCO Parité de Risque

M1 : Surprises Macroéconomiques & Biais Contrarien

Fréquence : Quotidienne

Méthodologie : Standardisation z-score de chaque publication économique par rapport au consensus des économistes (Bloomberg/FactSet) :

$$Z_t = \frac{\text{Réalisé} - \text{Consensus}}{\sigma_{\text{historique}}}$$

Filtre Contrarien : Lorsque le cumul des surprises dépasse +2.0σ sur 104 semaines consécutives, le modèle passe en alerte d'épuisement : le consensus a intégré tout l'optimisme, créant une asymétrie baissière à la moindre déception.

M2 : Régimes de Marché Markov-Switching

Fréquence : Clôture Journalière

Méthodologie : Modèle de changement de régime markovien non-supervisé à 3 états latents :

État 0 : Régime Stable / Basse Volatilité (Bullish Carry)
État 1 : Régime de Transition / Incertitude
État 2 : Régime de Stress Liquidité / Haute Volatilité (Liquidity Shock)

Matrice de Transition : Estime à chaque séance la probabilité de transition entre régimes. Si la probabilité de stress dépasse 35%, tous les modèles réduisent leur exposition de moitié.

M3 : Modèle Multi-Couches (3-Layer Score)

Architecture Orthogonale

Architecture factorielle décomposée en trois couches orthogonales :

Layer 1 (Macro Structural) : Fondamentaux profonds à fréquence mensuelle (PIB, emploi, balance des paiements).
Layer 2 (Marché & Taux) : Dynamique hebdomadaire des courbes de taux souverains et anticipations d'inflation (Breakevens).
Layer 3 (Microstructure & Flux) : Données quotidiennes de flux interbancaires, carnet d'ordres et sentiment de clôture.

M4 : Nowcasting PIB Haute Fréquence

Fréquence : Événementielle

Estimation en temps réel du taux de croissance trimestriel du PIB via un modèle à facteurs dynamiques (DFM : Dynamic Factor Model) ingérant les données industrielles, ventes au détail, trafic fret et consommation électrique dès leur publication.

M6 : Facteurs FX Systématiques

Univers G10

Décomposition factorielle selon 4 facteurs de style universels :

Carry : Écart de taux de dépôt interbancaire à 3 mois.
Value (PPA) : Écart de parité de pouvoir d'achat basé sur l'indice OCDE.
Momentum : Tendance directionnelle 3 mois / 12 mois filtrée par la volatilité.
Current Account : Excédent ou déficit de la balance courante rapporté au PIB.

M14 : Juste Valeur BEER & Cointégration

Horizon Moyen Terme

Modèle : Behavioral Equilibrium Exchange Rate (BEER).

Vérification Économétrique : Procédure de cointégration de Johansen confirmant l'existence d'une relation stationnaire de long terme entre la devise, les termes de l'échange et le différentiel de productivité relative.
Vitesse de Retour à la Moyenne : Modélisée par un processus d'Ornstein-Uhlenbeck pour calculer la demi-vie de résorption de l'écart.

M17 : Positionnement Spéculatif CFTC / COT

Fréquence : Hebdomadaire

Source : Rapports de la Commodity Futures Trading Commission (CFTC).

$$\text{Percentile COT} = \frac{\text{Net Spec}_t - \min_{3Y}(\text{Net Spec})}{\max_{3Y}(\text{Net Spec}) - \min_{3Y}(\text{Net Spec})} \times 100$$

Seuils Critiques : > 90% (Marché sur-acheté, risque de liquidation violente), < 10% (Marché sur-vendu, potentiel de short squeeze massif).

M21 : Volatilité GARCH & Filtre de Régime

GJR-GARCH

Modélisation de l'hétéroscédasticité conditionnelle autorégressive via un modèle GARCH(1,1) asymétrique (GJR-GARCH) pour capturer l'effet de levier (la volatilité augmente plus lors des baisses que lors des hausses).

M24 : NLP FinBERT Banques Centrales

Lead-Lag 4-8 Semaines

Modèle de Traitement du Langage : Architecture Transformer spécialisée dans la finance (FinBERT) affinée sur 25 ans de déclarations de banquiers centraux. Score sémantique normalisé entre -1.0 (Dovish) et +1.0 (Hawkish). La divergence sémantique précède les ajustements de taux réels de 4 à 8 semaines en moyenne.

M26 : Saisonnalité Institutionnelle Multi-Décennale

20 Ans d'Historique

Analyse matricielle des patterns saisonniers calculés sur 20 ans d'historique en données journalières, nettoyée des valeurs extrêmes par médiane tronquée à 10%.

M28-M31 : Allocation Hiérarchique & Optimisation de Portefeuille

HRP & NCO

Moteurs de construction de portefeuille basés sur la parité de risque hiérarchique (HRP) et l'optimisation par clusters emboîtés (Nested Clustered Optimization : NCO), protégeant le capital contre les chocs de corrélation.

7. Workflow de Thèse Macro Discrétionnaire en 7 Étapes

Protocole opérationnel obligatoire pour toute recherche ou prise de position du desk.

Pipeline Méthodologique & Checklist Opérationnelle

1. Idée Macro (Intuition & Newsflow)

Identifier le catalyseur économique initial, le changement de régime ou la surprise de marché.

2. Approfondissement des Notions Économiques

Analyser les mécanismes structurels sous-jacents : termes de l'échange, canaux de crédit, bilans bancaires, fiscalité.

3. Vérification Quantitative sur Horacle Hub

Confronter l'intuition aux données objectives de la plateforme : Score Edge Finder, règle des 7 piliers, FinBERT, COT, juste valeur.

4. Mise en Relation Qualitatif & Quantitatif

Synthétiser les données empiriques avec les rapports institutionnels (BIS, FMI, banques centrales, ING Think).

5. Critères d'Invalidation & Calendrier Clé

Définir avec précision les événements qui réfutent la thèse et surveiller les publications macro à venir.

6. Conclusion de la Thèse & Conviction

Évaluer le ratio risque/rendement et attribuer une note de conviction (1 à 5).

7. Décision Éclairée & Exécution

Structurer le trade, définir les niveaux de prix (entrée, stop-loss, objectifs) et calibrer la taille de position ajustée de la volatilité.

8. Pipeline de Données, Confidentialité & Non-Leak Alpha

Sécurité des flux, isolation des hyper-paramètres et cadre réglementaire de recherche.

Architecture d'Ingestion des Données Institutionnelles

Sources Officielles Directes : Réserve Fédérale (FRED), Banque des Règlements Internationaux (BIS), CFTC, Eurostat, ONS, banques centrales nationales.

Contrôles d'Intégrité Automatisés : Détection des anomalies de transmission, synchronisation des fuseaux horaires de clôture et vérification d'absence de valeurs aberrantes.

Protection de l'Alpha & Sécurité des Données

Les poids statistiques des combinaisons factorielles et les hyper-paramètres des modèles sont encapsulés au sein du moteur d'exécution et ne sont jamais exposés aux interfaces publiques.

L'accès aux API du Hub utilise un filtrage de projection rigoureux (public_view.project) éliminant tout risque de rétro-ingénierie.

Avertissement Réglementaire & Déontologie de Recherche

Les publications, modèles et outils d'Horacle Capital constituent des travaux de recherche macroéconomique et quantitative indépendante. Ils sont destinés à des fins informatives et pédagogiques et ne constituent en aucun cas un conseil en investissement ou une incitation à négocier des instruments financiers.