Demandez à dix "sélectionneurs d'actions AI" différents au sujet du même trade et vous obtiendrez souvent dix opinions différentes sans visibilité sur les raisons. C'est un problème — non pas parce que l'IA ne peut pas être utile pour investir, mais parce qu'une recommandation sans base transparente et vérifiable n'est qu'une supposition plus coûteuse. PreTrAIde a été conçu pour résoudre ce problème, et l'endroit le plus clair pour le voir est à l'intérieur du moteur de décision lui-même.
Trois Verdicts, Pas un Score Vague
Chaque panier que vous passez par PreTrAIde revient avec l'un des trois verdicts :
- GO — l'image quantitative et qualitative soutient la poursuite du panier tel qu'il est construit.
- MODIFY — l'idée sous-jacente a du mérite, mais quelque chose concernant la taille, le timing ou la composition devrait changer d'abord.
- NO-GO — l'image des risques ne soutient pas la poursuite telle qu'elle est construite, en ce moment.
Chaque verdict est accompagné d'une probabilité de succès, d'une évaluation des risques en langage clair, et d'une stratégie d'exécution suggérée — vous n'êtes donc jamais laissé à contempler un seul chiffre en vous demandant ce qui le sous-tend.
Étape Un : Les Chiffres D'abord
Avant que toute raison d'IA n'intervienne, PreTrAIde calcule un score quantitatif déterministe pour chaque action de votre panier et pour le panier dans son ensemble — uniquement à partir des données, sans modèle linguistique impliqué pour l'instant. Cela inclut :
- Un score de liquidité, estimant à quel point la position pourrait être entrée ou sortie facilement sans glissement excessif
- Un score de volatilité, reflétant à quel point la position est susceptible de fluctuer jour après jour
- Un score d'exécution, tenant compte de l'écart, des caractéristiques du lieu et des modèles de volume
- Une mesure de concentration (un calcul de type HHI) qui signale quand un panier est plus concentré qu'il n'y paraît au premier coup d'œil
- Une estimation de la Value-at-Risk, exprimant la perte potentielle sur un jour sous des conditions défavorables
Ces scores génèrent un indice de décision initial basé sur des règles — un point de départ purement mécanique, avant que le langage généré par l'IA n'entre en jeu.
Étape Deux : Contexte du Monde Réel
Le moteur intègre ensuite les nouvelles récentes pour chaque symbole de votre panier et les évaluations actuelles des analystes. C'est ici que l'histoire d'une action est attachée à ses chiffres — un manque de bénéfices, un titre réglementaire, une mise à niveau ou une rétrogradation — de sorte que l'IA ne raisonne pas sur un nom dans le vide.
Étape Trois : Raisonnement AI, Ancré dans les Données
Ce n'est qu'à ce moment que la couche d'IA produit sa décision de trading par action et à l'échelle du portefeuille. De manière critique, les invites données au modèle sont contraintes de calibration — elles ancrent explicitement le raisonnement de l'IA aux scores quantitatifs calculés à l'étape un, plutôt que de laisser le modèle associer librement un verdict uniquement à partir des nouvelles. Le résultat : un appel GO/NO-GO/MODIFY, une probabilité de succès, un récit de raisonnement que vous pouvez réellement lire, et une stratégie d'exécution suggérée (taille de position, considérations de timing, type d'ordre).
Étape Quatre : Garde-fous
Les modèles d'IA peuvent être faussement confiants. Ainsi, la dernière étape n'est pas du tout de l'IA — c'est un validateur basé sur des règles qui vérifie la sortie de l'IA par rapport aux données du marché et la corrige lorsqu'elle contredit ce que les chiffres montrent. Quelques exemples concrets de ce que les garde-fous appliquent :
Ce que les garde-fous attrapent
Une action actuellement suspendue de négociation ne peut jamais être recommandée GO, peu importe ce que dit le récit de l'IA. Un verdict GO associé à une probabilité de succès inférieure à 50 % est automatiquement rétrogradé — cette combinaison n'a pas de sens et n'est pas autorisée à vous atteindre. Toutes les probabilités sont limitées à une plage de 5 à 95 %, car aucun modèle ne devrait jamais revendiquer une quasi-certitude sur les résultats du marché. Là où il y a ambiguïté, les garde-fous biaisent vers l'appel le plus conservateur.
Toute incohérence que les garde-fous ne peuvent pas entièrement résoudre est remontée vers vous plutôt que d'être silencieusement lissée — vous savez donc toujours quand une décision nécessitait une correction.
Pourquoi Cette Architecture Est Importante
La plupart des produits de "signal de trading AI" sont un seul appel de modèle opaque : vous envoyez un symbole, vous recevez une phrase. Le pipeline de PreTrAIde est intentionnellement stratifié — quant d'abord, contexte ensuite, raisonnement AI troisième, garde-fous basés sur des règles en dernier — car chaque couche attrape un type différent d'échec. Les mathématiques attrapent ce qu'un modèle linguistique pourrait rationaliser. Les garde-fous attrapent ce que les mathématiques seules ne signaleraient pas comme une contradiction. Vous obtenez une décision qui est explicable à chaque étape, pas une boîte noire avec un pourcentage de confiance ajouté.
Voyez-le sur un Panier Réel
Les chiffres sont plus convaincants que les descriptions. Créez un panier dans votre tableau de bord, exécutez l'analyse et lisez le raisonnement complet derrière votre verdict GO, NO-GO ou MODIFY — y compris les scores quantitatifs qui l'ont ancré.
