Sévélune — interface d'analyse de données de marché par intelligence artificielle

Analyse prédictive · Crypto-actifs

L'intelligence prédictive au service de la performance

Sévélune agrège des données de marché en continu et applique des modèles stochastiques entraînés sur des cycles historiques. Les stratégies proposées sont backtestées sur plusieurs années de données, pour un accès structuré aux marchés crypto adapté à un public étudiant disposant d'un capital limité.

Explorer les modèles Voir les fonctionnalités

6 ans Profondeur de backtesting

1,42 Ratio de Sharpe moyen (historique)

−18,3 % Drawdown maximal observé

Méthodologie

Comment le modèle filtre le bruit de marché

Le socle technique repose sur trois étapes séquentielles : collecte, pondération du risque, puis signal. Chaque étape est documentée pour que vous compreniez la logique, pas seulement le résultat.

Agrégation de données

Flux de prix, volumes d'échange, profondeur de carnet d'ordres et indicateurs on-chain sont collectés sur plusieurs plateformes et normalisés en continu.

Modélisation stochastique

Des modèles probabilistes estiment la distribution des rendements à court et moyen terme, en isolant les mouvements structurels des variations erratiques.

Points d'entrée à risque maîtrisé

Le système ne signale une opportunité que lorsque le rapport rendement attendu / volatilité estimée dépasse un seuil fixé en amont.

Composant	Spécification	Fréquence
Sources de marché	Carnets d'ordres agrégés, multi-plateformes	Continue
Latence de traitement	Pipeline de calcul vectorisé	≈ 400 ms
Fenêtre de backtesting	Données historiques 2018–2024	6 ans
Révision des modèles	Réentraînement sur nouvelles données	Hebdomadaire

Sévélune — équipe d'analystes travaillant sur les modèles de données

Fonctionnement

Une approche fondée sur la donnée, pas sur l'intuition

Sévélune ne formule aucune prédiction absolue. La plateforme restitue des probabilités, des intervalles de confiance et des scénarios de risque, à charge pour vous d'arbitrer selon votre horizon et votre tolérance.

Chaque recommandation est accompagnée de son historique de performance et de ses limites connues, afin que la décision reste éclairée plutôt que déléguée.

En savoir plus sur Sévélune

Rendements historiques testés

Résultats de backtesting, sans promesse sur l'avenir

Les chiffres ci-dessous proviennent de simulations sur données passées. Les performances historiques ne préjugent en rien des résultats futurs, en particulier sur un marché aussi volatil que celui des crypto-actifs.

Évolution simulée du portefeuille type (base 100)

Portefeuille simulé, rebalancé mensuellement selon les signaux du modèle, sur la période 2018–2024.

Ratio de Sharpe 1,42

Drawdown maximal −18,3 %

Volatilité annualisée 24,1 %

Taux de signaux gagnants 58,6 %

Stratégie (backtest)	Rendement annualisé	Drawdown max.	Sharpe
Portefeuille passif (référence)	31,2 %	−42,7 %	0,71
Modèle Sévélune — profil prudent	19,8 %	−11,4 %	1,58
Modèle Sévélune — profil équilibré	27,5 %	−18,3 %	1,42

Les données ci-dessus sont issues de simulations rétrospectives (backtesting) et ne constituent pas une garantie de performance future. Le marché des crypto-actifs reste exposé à des pertes en capital, y compris dans des scénarios à risque maîtrisé.

Outils disponibles

Un ensemble d'instruments pour piloter l'exposition au risque

Chaque module répond à une question opérationnelle précise : quand agir, comment répartir le capital, et quelle perte maximale accepter.

Surveillance

Alertes en temps réel

Notification dès qu'un actif suivi franchit un seuil statistique défini par le modèle, avec le niveau de confiance associé à chaque signal.

Allocation

Optimiseur de portefeuille

Répartition du capital calculée selon la corrélation entre actifs et la volatilité estimée, pour une optimisation en temps réel de l'exposition globale.

Gestion du risque

Simulateur de risque

Test de scénarios de marché défavorables sur votre allocation actuelle, avec estimation de la perte maximale probable sur un horizon donné.

Accès démocratisé

De la théorie financière à la pratique encadrée

Sévélune a été pensé pour un public qui découvre l'analyse de marché en parallèle de ses études, avec un capital de départ souvent restreint.

01 Modules d'introduction aux notions de volatilité, de ratio de Sharpe et de corrélation entre actifs.
02 Lecture guidée des résultats de backtesting, pour comprendre les limites statistiques d'un historique court.
03 Exercices pratiques sur données réelles, sans engagement de capital, avant toute mise en situation.
04 Apprentissage par la donnée : chaque recommandation est accompagnée de l'explication du signal sous-jacent.

Accessibilité de la plateforme

Aucun capital minimum n'est imposé par Sévélune pour consulter les modules et les signaux historiques. Les frais liés à l'exécution des ordres dépendent de la plateforme d'échange choisie par l'utilisateur.

L'objectif reste pédagogique autant qu'opérationnel : comprendre la mécanique d'une décision avant de l'appliquer avec des montants réels.

Pourquoi choisir Sévélune

Questions fréquentes

Portée et limites de l'assistance par intelligence artificielle

Réponses directes sur les sources de données, la latence et la logique de protection du capital.

Quelles sont les sources de données utilisées par Sévélune ?

Les flux proviennent de carnets d'ordres de plateformes d'échange centralisées et d'indicateurs on-chain publics. Aucune donnée personnelle de transaction n'est requise pour consulter les signaux.

Quelle est la latence entre un signal et sa diffusion ?

Le traitement complet, de la collecte à la génération du signal, s'effectue en environ 400 millisecondes. Ce délai n'élimine pas le risque d'exécution sur des marchés à forte volatilité.

Le modèle garantit-il une protection du capital ?

Non. Le système vise à réduire l'exposition aux configurations historiquement défavorables, mais ne peut annuler le risque de perte inhérent aux crypto-actifs. Le drawdown maximal observé en backtest reste un indicateur rétrospectif.

Les performances passées sont-elles représentatives de l'avenir ?

Les résultats affichés sont issus de simulations sur données historiques. Les conditions de marché évoluent, et un modèle performant sur une période donnée peut sous-performer sur une autre.

Faut-il des connaissances préalables en finance pour utiliser la plateforme ?

Non, mais les modules pédagogiques intégrés sont conçus pour combler les notions manquantes avant toute utilisation des outils de simulation de risque.