Une équipe focalisée sur les signaux, pas sur le spectacle technologique

Nous travaillons comme une petite cellule de recherche, proche des desks et obsédée par la clarté des signaux et des tableaux de comparaison.

Le cœur de Praxelora, c’est une petite équipe qui aime encore débattre devant un tableau blanc avant d’écrire la moindre ligne de code.

Nous avons commencé en réunissant des profils qui avaient tous, à un moment ou à un autre, été frustrés par des outils opaques. Certains venaient de la recherche quantitative, d’autres de l’analyse macro ou de l’ingénierie de données. Tous avaient connu ces signaux impossibles à expliquer aux comités de risque. Nous avons donc décidé de concevoir des signaux d’anticipation cross asset qui assument leurs hypothèses, documentent leurs limites et se présentent sous une forme que les équipes de marché peuvent réellement discuter.

Dans notre travail quotidien, nous alternons entre moments très techniques et échanges concrets avec des praticiens. Un matin, nous ajustons une régularisation sur un modèle de propagation entre taux et actions. L’après-midi, nous transformons ces résultats en tableaux simples, comparant différentes familles de signaux sur des périodes contrastées. Ce va-et-vient constant entre profondeur technique et lisibilité opérationnelle est devenu notre marque de fabrique.
Nous restons aussi attachés à une certaine sobriété dans l’usage de l’IA. Nous utilisons des méthodes avancées lorsqu’elles apportent une amélioration claire, mais nous n’hésitons pas à privilégier un modèle plus simple si cela facilite la validation interne, la supervision humaine et l’explication des signaux aux parties prenantes non techniques.

La transparence, la documentation et les rappels de prudence sont au cœur de notre façon de travailler avec les équipes de marché.

Notre manière de traiter la confiance et la conformité

Nous savons que la confiance ne se décrète pas, surtout lorsqu’il s’agit de recherche de marché et d’IA appliquée aux signaux cross asset.

C’est pourquoi nous partageons toujours nos cadres de validation, nos hypothèses et nos limites. Nous préférons montrer comment un signal se comporte dans différents environnements plutôt que de mettre en avant une seule période flatteuse. Nous insistons sur le fait que les résultats peuvent varier et que les coûts de transaction, la liquidité et les contraintes internes peuvent modifier sensiblement la perception de la performance.

Nous encourageons également un dialogue ouvert avec vos équipes de risque et de conformité. Nos documents sont pensés pour être relus par des profils non techniques, avec des définitions claires, des tableaux de synthèse et des rappels explicites des avertissements usuels, notamment que past performance does not guarantee future results. Notre objectif est que chacun puisse comprendre ce que fait un signal, et ce qu’il ne fait pas.

Enfin, nous restons prudents sur le rôle de l’IA dans les décisions sensibles. Nous considérons nos signaux comme des outils d’analyse supplémentaires, pas comme des pilotes automatiques. Ils sont conçus pour nourrir vos réflexions, pas pour se substituer au jugement humain, surtout dans des contextes où les enjeux réglementaires et prudentiels sont élevés.

Notre terrain de jeu

Les écrans sont déjà allumés, les séries temporelles défilent, et nous débattons encore de la meilleure façon de tester ce nouveau signal obligataire face aux flux matières premières. C’est exactement là que nous aimons être, à la frontière entre recherche de marché, IA explicable et contraintes très concrètes de vos desks.

Nous concevons des signaux d’anticipation cross asset pour actions, taux et matières premières, en nous concentrant sur la robustesse statistique plutôt que sur les effets de mode. Nous parlons autant régularisation, fenêtres glissantes et séries déséquilibrées que contraintes opérationnelles, latence de données et lisibilité des sorties.

Notre travail ne consiste pas à vous dire quoi faire, mais à vous donner des signaux clairs, documentés, que vous pouvez intégrer dans vos propres cadres de décision. Nous privilégions des approches transparentes, des tests hors échantillon exigeants et des comparaisons simples entre méthodes pour que chaque équipe puisse juger de la valeur ajoutée réelle.

équipe data finance analysant signaux multi actifs
réunion équipe quant expliquant signaux IA

Qui nous sommes

Notre histoire commence avec des carnets de notes remplis de tests, de faux départs et de quelques signaux qui ont vraiment tenu dans le temps, côté actions, taux et matières premières.

Nous venons d’horizons mêlant recherche quantitative, data engineering et analyse macro. Avec le temps, nous avons développé une conviction simple, presque nostalgique des premiers laboratoires de recherche de marché. D’abord, la curiosité scientifique compte plus que la technologie à la mode. Ensuite, les signaux ne valent que s’ils survivent à des batteries de tests indépendants. Enfin, un bon modèle doit rester lisible pour les équipes qui vivent les marchés au quotidien. Sur Praxelora, nous appliquons cette conviction à la conception de signaux d’anticipation cross asset, en documentant chaque étape, chaque hypothèse, chaque limite, pour que vous puissiez juger par vous-même de la solidité des résultats.

Nous écrire

Nous parlons souvent de nos signaux comme de passerelles entre classes d’actifs, plutôt que comme de simples indicateurs isolés.

Pour les marchés actions, nous nous intéressons particulièrement aux signaux qui intègrent des informations issues des courbes de taux et de certains segments de matières premières. Nous cherchons à détecter des indices d’anticipation sur les secteurs sensibles aux cycles, aux coûts de financement ou aux intrants énergétiques, tout en restant prudents sur les biais liés aux périodes spécifiques de marché.
Sur les marchés de taux, nous explorons des signaux qui prennent en compte la dynamique des indices actions et des matières premières, notamment pour mieux comprendre les phases de rotation entre recherche de sécurité et appétit pour le risque. Nous combinons indicateurs de tendance, mesures de dispersion et régimes de volatilité, toujours avec des protocoles de validation hors échantillon clairement décrits.
Côté matières premières, nous examinons comment les informations provenant des marchés actions et taux peuvent contribuer à anticiper certains mouvements, en gardant à l’esprit les contraintes spécifiques de liquidité et de microstructure. Nous testons plusieurs horizons temporels, comparons les performances relatives des familles de signaux et documentons les contextes dans lesquels chaque approche semble plus ou moins pertinente.

Notre méthode pour concevoir des signaux cross asset

Nous avons structuré notre travail autour d’une méthode maison, que nous appelons le cycle Signal Canvas. Elle nous aide à passer rapidement de l’intuition de marché à un signal testé, comparé et prêt à être intégré dans vos propres processus de recherche, sans transformer vos équipes en opérateurs de boîtes noires.

Cadrage du récit marché
Nous partons toujours d’un récit de marché précis, écrit noir sur blanc, plutôt que d’un simple jeu de données. Nous cartographions les liens possibles entre actions, taux et matières premières, puis nous définissons clairement les horizons temporels, les contraintes opérationnelles et les métriques de validation pertinentes pour votre usage interne.
Architecture des données
Nous assemblons ensuite les données nécessaires, en documentant sources, traitements, délais de publication et choix de nettoyage. Nous privilégions des transformations sobres, des variables explicites et une traçabilité complète, afin que chaque signaux reste réplicable et auditable dans le temps.
Conception des signaux
Nous explorons plusieurs familles de modèles, des approches linéaires explicables aux architectures plus complexes, mais toujours avec des protocoles de validation hors échantillon stricts. Nous comparons les performances relatives, la stabilité et la sensibilité aux hypothèses, plutôt que de retenir uniquement le score maximal.
Intégration et suivi

Enfin, nous préparons des sorties prêtes à l’usage pour vos équipes, avec tableaux de comparaison, indicateurs de confiance et exemples concrets d’utilisation. Nous restons disponibles pour affiner les hypothèses, ajuster les horizons temporels et clarifier les limites, car les marchés évoluent et les signaux doivent rester vivants.

Notre philosophie

Nous aimons les modèles élégants, mais nous aimons encore plus les signaux qui restent utiles lorsque la volatilité s’emballe. C’est pourquoi nous testons systématiquement nos approches sur des périodes de stress marché, sur différents régimes de liquidité et sur des univers d’actifs variés, de l’action la plus liquide au contrat lié aux matières premières.

Nous préférons une transparence exigeante à des promesses spectaculaires. Nous rappelons systématiquement que les marchés restent incertains et que toute analyse comporte des limites. Past performance does not guarantee future results, et les résultats peuvent varier selon les hypothèses, les coûts de transaction et vos propres contraintes internes.

analyste IA suivant modèles multi actifs