Bonjour. Je vous présente InvestFlow, que je développe moi-même pour pouvoir comprendre d’un seul coup d’œil les indicateurs macro nécessaires à l’investissement et les données par titre.
Au lieu de se limiter à un tableau de bord qui aligne simplement des graphiques, je me concentre sur la mesure de la « véritable énergie du marché (liquidité) » et sur la vérification transparente des performances des données analysées par l’IA.
🛠 Principales fonctionnalités (41 widgets clés)
InvestFlow analyse le marché à travers 4 grands modules.
-
Macro & Liquidity Monitoring (fondations du marché)
Suivi de la liquidité de la Fed : surveillance des flux réels de capitaux disponibles sur le marché via le Reverse Repo, le TGA (compte du Trésor) et le bilan de la Fed
Indicateurs clés : intégration des bases macroéconomiques telles que le CPI, la masse monétaire M2, les taux d’intérêt, le PIB et les données sur l’emploi (PCE) -
AI & Quant Scanner (recherche d’alpha)
Market Regime AI : l’IA détermine si le marché est actuellement haussier, baissier ou en range
Alpha Discovery : scoring par IA sur l’ensemble des valeurs du S&P 500 et détection de signaux de sommets / points bas
Smart Money Flow : analyse des flux de capitaux par secteur, de la breadth du marché et des spreads de crédit -
Specialty Tracker (analyse spécialisée)
Institutional Flow : suivi en temps réel des journaux de transactions des ETF ARK de Cathie Wood et des variations de pondération en portefeuille
Dividend & Yield : analyse de l’historique des dividendes et classement des actions sous-évaluées à haut rendement
Sentiment & Options : visualisation de l’indice de peur et de cupidité du marché ainsi que des données de trading d’options -
Performance & Feedback (validation et historique)
Daily Picks Registry (New) : enregistrement automatique des performances des principales actions sélectionnées chaque jour afin de suivre en toute transparence le rendement actuel par rapport au moment de leur inscription
Parallel Universe Journal : journal de trading fondé sur le concept d’univers parallèles pour simuler « et si j’avais acheté à ce moment-là ? »
AI Trading Coach : analyse de l’historique de trading de l’utilisateur pour fournir du feedback
💡 Motivation du développement et stack technique
Stack technique : React, Tailwind CSS, Python (Data Processing)
Pourquoi je l’ai développé : j’ai lancé ce projet pour réduire la contrainte de rassembler des données d’investissement fragmentées et pour laisser une trace transparente à la question « les recommandations de l’IA étaient-elles réellement justes ? »
Blog : je publie chaque jour plus de 140 guides d’utilisation des widgets et des analyses macro afin d’aider à interpréter les données.
Si, du point de vue de professionnels de l’IT, vous voyez des améliorations possibles en matière de visualisation de données ou d’expérience utilisateur, je vous serais reconnaissant pour tout retour !
Lien du site : https://inveflo.com
Blog d’insights : https://inveflo.com/blog
6 commentaires
J’ai eu un mois pour le développer. Tous vos retours sont les bienvenus !!
Je rouvrirai le site après avoir vérifié la licence.
Dans la finance, fournir des données de cette manière constitue dans la plupart des cas une violation de licence.
Cela peut entraîner des problèmes épineux. Si Bloomberg est si cher, ce n’est pas pour rien. Ce sont les données qui coûtent cher.
Oui, je vais vérifier directement sur FMP !
Comme il s’agit d’un service personnel ou d’un petit service, vous pourriez penser que ça passera.
Mais si vous recevez une plainte ou quoi que ce soit du genre, votre vie risque juste de devenir pénible.
Je ne sais pas ce que c’est que fmp, mais
les actualités, les cours et les statistiques, tout ça est entièrement soumis à des conditions d’utilisation, et si vous recevez une plainte, vous n’aurez aucune défense possible.
Les sociétés de courtage et les médias d’information contractualisent chaque détail et paient pour acheter ces données.