Interface du bureau de négociation Eclipse Earn affichant l'analyse des données de marché en temps réel

Intelligence décisionnelle de précision pour les traders systématiques

Eclipse Earn combine un système stop-loss intelligent avec une modélisation prédictive en temps réel, recalculant les seuils d'exposition à mesure que la liquidité et la volatilité évoluent – plutôt que d'attendre qu'un niveau de prix fixe soit franchi.

Explorer les spécifications du système Lire la FAQ

Paramètres de surveillance en direct

Ingestion de données continu
Régime de volatilité suivi par actif
Logique stop-loss recalculé en direct
Biais d'exécution basé sur des règles

Cadre analytique

Le processus derrière chaque poste

Chaque décision automatisée Eclipse Earn remonte à travers trois couches distinctes. Chaque couche a une entrée et une sortie définies, ce qui maintient le système auditable plutôt qu'opaque.

01 — Ingestion

Ingestion de données à grande vitesse

Les données du carnet de commandes, les profils de volume et les surfaces de volatilité sont ingérés en continu et normalisés avant d'atteindre un modèle. La latence entre la capture et l'entrée est mesurée en millisecondes, ce qui est important lorsque la détection de la volatilité latente dépend de l'identification d'un changement avant qu'il ne soit visible sur un graphique standard.

02 — Notation

Notation prédictive des risques

Chaque position ouverte comporte un score de risque dérivé du regroupement de volatilité et des conditions de liquidité actuelles. Le score est mis à jour à mesure que les conditions changent, distinguant le bruit de prix ordinaire des premiers stades d'un profil de risque asymétrique se formant contre la position.

03 — Exécution

Logique d'exécution automatisée

Lorsqu'un score de risque franchit une limite définie, la logique d'exécution agit sans nécessiter de confirmation manuelle. Cela supprime le retard – et l’hésitation – qui accompagne souvent une décision manuelle de supprimer une position perdante.

Ingestion de données → Notation des risques → Logique d'exécution → Commentaires sur l'ingestion

Moteur d'atténuation des risques

Smart Stop-Loss : des seuils qui évoluent avec le marché

Un stop-loss fixe est défini une seule fois et ignore tout ce qui se passe par la suite. Le système stop-loss intelligent de Eclipse Earn recalcule à la place son seuil à mesure que la profondeur de la liquidité et le regroupement de la volatilité changent – renforçant la protection lorsque les conditions se détériorent et donnant à une position plus de marge lorsque la volatilité se contracte et que la liquidité reste stable.

Parce que l’ajustement est basé sur des règles plutôt que discrétionnaire, il supprime un point d’échec spécifique dans les environnements à enjeux élevés : la tendance à déplacer, élargir ou ignorer un stop-loss sous pression. Le seuil est recalculé selon la même logique, quelle que soit l'opinion du trader sur la position à ce moment-là.

Les seuils s’ajustent à la profondeur de la liquidité, et pas seulement à la distance entre les prix
Le regroupement de volatilité est pris en compte dans la largeur du seuil
Le recalcul est basé sur des règles, supprimant le remplacement discrétionnaire
Fonctionne de manière cohérente sur plusieurs postes simultanés

Lecture de liquidité → Vérification du cluster de volatilité → Recalcul du seuil → Exécution en cas de dépassement

Un analyste d'Eclipse Earn examine les données de volatilité et de liquidité à l'écran

Méthodologie

Une approche systématique de la transparence des modèles

Les modèles prédictifs dans le trading sont souvent critiqués comme étant une « boîte noire » : une décision est prise, mais le raisonnement qui la sous-tend n'est pas visible. Eclipse Earn est construit autour d'étapes intermédiaires interprétables plutôt que d'une seule sortie opaque.

Étape 01

Normalisation des données

Les données brutes du marché sont standardisées entre les instruments et les périodes avant qu'un modèle ne les voie. Un score de risque signifie donc la même chose, qu'il soit dérivé d'un indice liquide ou d'un contrat peu négocié.

Étape 02

Reconnaissance de formes

Les données historiques et en direct sont comparées aux régimes reconnus de volatilité et de liquidité. Le résultat est une classification plutôt qu'un seul numéro opaque, et chaque classification est enregistrée avec les conditions qui l'ont déclenchée.

Étape 03

Optimisation des résultats

Les paramètres d'exécution sont ajustés en fonction du régime classifié et examinés par rapport aux résultats ultérieurs, chaque ajustement pouvant être retracé aux données et à la classification qui l'ont produit.

Contexte de performance

Comment le système se comporte selon les régimes de marché

Le tableau ci-dessous décrit le comportement opérationnel et non une projection des rendements. Les résultats varient selon l'instrument, la taille de la position et les conditions dominantes, et ce qui suit doit être lu comme un guide de logique et non comme une garantie de performance.

Régime	Comportement du système	Considération typique
Contraction à haute volatilité	Les seuils stop-loss se resserrent proportionnellement à la liquidité comprimée ; la logique d'exécution devient plus conservatrice.	Pertinent pour réduire l’exposition avant des catalyseurs incertains.
Expansion des tendances	Les seuils s'élargissent à mesure que le regroupement de volatilité se stabilise, permettant à une marge de position de se développer tandis que la liquidité reste intacte.	Pertinent pour maintenir un mouvement directionnel sans sortie prématurée.
Fragmentation de la liquidité	La notation du risque donne plus d’importance à la profondeur de la liquidité qu’à l’évolution des prix seule.	Pertinent pour les instruments moins liquides ou les séances en dehors des heures normales.

Day Traders

De courtes périodes de détention signifient que les seuils doivent réagir au cours de la même session ; le système recalcule sur les changements de liquidité intrajournaliers plutôt que sur les données de fin de journée.

Analystes quantitatifs

Les journaux de classification et l’historique des scores de risque peuvent être examinés parallèlement aux modèles existants, prenant ainsi en charge une vérification indépendante plutôt qu’une confiance aveugle sur un seul signal.

Investisseurs privés

Pour les positions à plus long terme, des contrôles de regroupement de volatilité plus larges réduisent le risque d'une sortie anticipée déclenchée par des bruits à court terme.

Le comportement historique du régime ne garantit pas les performances futures. Dans la pratique, les conditions du marché peuvent combiner des éléments de plusieurs régimes.