Méthodologie et sources de données

1. Ce que fait SeasOptima

SeasOptima est une plateforme d'analyse statistique qui identifie les modèles saisonniers récurrents sur les marchés financiers. Nous agrégeons les données historiques de prix et appliquons des méthodes statistiques pour visualiser la performance historique des actifs pendant des périodes spécifiques. Notre plateforme ne fournit pas de conseils en investissement, de signaux de trading ni de recommandations personnalisées. Toutes les informations présentées sont de nature purement statistique et éducative.

2. Sources de données

Toutes les données de marché utilisées par SeasOptima proviennent de fournisseurs de données financières accessibles au public :

• Fournisseurs de Données de Marché — Nous agrégeons des données historiques OHLCV (Ouverture, Haut, Bas, Clôture, Volume) à partir de fournisseurs de données financières publiquement disponibles pour toutes les classes d'actifs, y compris les actions, les indices, les matières premières, le forex, les ETF et les cryptomonnaies.

Couverture des données

Nous analysons jusqu'à 30 ans de données historiques de prix quotidiens lorsqu'elles sont disponibles. La période de couverture exacte varie selon le symbole en fonction de la disponibilité des données. Toutes les données sont mises à jour quotidiennement pendant les heures de marché.

Précision des données

Bien que nous nous efforcions d'être précis, nous dépendons de fournisseurs de données tiers et ne pouvons garantir que toutes les données sont exemptes d'erreurs. Les prix sont ajustés pour les fractionnements et les dividendes le cas échéant. Les utilisateurs doivent vérifier indépendamment les points de données critiques.

3. Calcul des modèles saisonniers

Les modèles saisonniers sont calculés selon la méthodologie suivante :

1. Rendements quotidiens : Nous calculons la variation quotidienne en pourcentage pour chaque jour de bourse sur toutes les années de données disponibles.
2. Agrégation calendaire : Les rendements quotidiens sont regroupés par date calendaire (mois et jour) pour identifier les modèles récurrents.
3. Moyennes historiques : Pour chaque période calendaire, nous calculons le rendement historique moyen et le pourcentage d'années où le rendement était positif (taux de réussite).
4. Périodes saisonnières : Les périodes contiguës de rendements historiques systématiquement positifs ou négatifs sont identifiées et mises en évidence comme modèles saisonniers.
5. Signification statistique : Les modèles sont évalués en fonction du nombre d'années de données, de la constance des rendements et du taux de réussite pour évaluer leur fiabilité historique.

4. Score de consistance des modèles

Le Score de Consistance des Modèles (PCS) est une métrique propriétaire qui mesure la fiabilité avec laquelle un modèle saisonnier s'est historiquement répété :

• Composante taux de réussite : Le pourcentage d'années au cours desquelles la direction attendue du modèle (haussière ou baissière) s'est effectivement produite.
• Consistance des rendements : La similarité de l'amplitude des rendements au fil des années — une variance plus faible indique une consistance plus élevée.
• Taille de l'échantillon : Plus il y a d'années de données, plus la confiance statistique dans le modèle augmente.

Le PCS est exprimé sous forme de score de 0 à 100. Des scores plus élevés indiquent des modèles qui se sont historiquement répétés plus régulièrement. Un PCS élevé ne prédit pas les performances futures.

5. Analyse du régime de marché

Notre détection de régime de marché utilise une approche systématique pour classifier l'environnement général du marché :

• Détection de tendance : Nous utilisons des moyennes mobiles des principaux indices boursiers (par ex. S&P 500) pour déterminer si le marché se trouve dans une phase historiquement haussière, baissière ou neutre.
• Classification du régime : Les modèles saisonniers sont analysés séparément pour chaque régime de marché, permettant aux utilisateurs de voir comment les modèles se sont historiquement comportés dans différentes conditions de marché.

L'analyse du régime de marché est basée uniquement sur la classification historique et ne prédit pas la direction future du marché.

6. Carte thermique et calendrier

Les outils visuels agrègent les données historiques comme suit :

• Carte thermique mensuelle : Affiche le rendement historique moyen pour chaque mois sur toutes les années disponibles. L'intensité des couleurs indique l'amplitude du rendement historique moyen.
• Calendrier saisonnier : Affiche les moyennes historiques quotidiennes projetées sur l'année calendaire en cours, permettant aux utilisateurs de voir quelles dates ont historiquement montré des tendances positives ou négatives.

Toutes les valeurs de la carte thermique et du calendrier représentent des moyennes historiques et ne prédisent pas les rendements futurs.

7. Classements du screener

Le Screener Saisonnier filtre et classe les symboles selon des critères statistiques :

• Filtrage : Les utilisateurs peuvent filtrer par classe d'actifs, direction du modèle, période et taux de réussite minimum.
• Classement : Les résultats sont classés par force historique du modèle — une combinaison du rendement historique moyen, du taux de réussite et de la consistance du modèle.
• Fraîcheur des données : Les données du screener sont recalculées régulièrement pour intégrer les données les plus récentes disponibles.

Les classements du screener reflètent uniquement des mesures statistiques historiques. Un classement élevé ne constitue pas une recommandation d'achat ou de vente de titres.