Event Intelligence
EventTransmission.
Mesurer jusqu’où, avec quelle intensité et à quel moment un événement produit ses effets.
Nous suivons les effets d’un événement sur les marchés, les secteurs et les conditions économiques qui leur sont liés. Nous en mesurons la portée, l’intensité et le délai de propagation. Chaque nouvelle information contribue à réévaluer les scénarios.
Les nœuds représentent des exemples d’entités et d’états économiques. Un éclat lumineux signale l’arrivée d’une information. Les probabilités des scénarios sont révisées à mesure que les observations s’accumulent. Les barres pâles montrent l’estimation d’il y a 0,6 seconde, et les variations sont exprimées en points de pourcentage (pp). Les chemins, les valeurs et les résultats sont illustratifs.
Impact responseMethod
Jusqu’où les effets se propagent-ils ?
Un événement peut affecter l’offre, les coûts, la demande et les anticipations à des moments différents. Avec de nouvelles informations, ses effets peuvent s’amplifier, s’atténuer ou emprunter d’autres chemins.
Event Transmission suit ces relations au moyen d’algorithmes qui mesurent la portée, l’intensité et le délai de transmission des effets d’un événement. Les estimations des scénarios sont révisées à mesure que les observations s’accumulent.
Reach
Identifier les marchés, les secteurs et les conditions économiques qu’un événement peut affecter.
Strength
Comparer l’intensité des effets selon les chemins empruntés.
Delay
Mesurer le délai d’apparition de chaque réaction et son évolution dans le temps.
In practice
Après une nouvelle annonce
Qu’est-ce qui réagit en premier, où les effets sont-ils les plus forts et combien de temps durent-ils ?
À partir d’une annonce financière, nous suivons les observations qui lui sont liées. Nous comparons l’ordre des réactions, l’ampleur des changements et leur durée.
Model Studies
Comment l’information fait évoluer un calcul.
Deux méthodes envisageables, explorées à travers de petits exemples numériques. Ces exemples illustrent les principes mathématiques ; ils ne décrivent pas l’architecture réelle d’Event Transmission.
Message passing
Information from neighbours.
Un nœud combine son propre état avec les informations de ses voisins. Modifiez la valeur d’un voisin pour voir comment l’état mis à jour réagit.
mᵥ = mean(h₁, h₂, h₃)
h′ᵥ = ReLU(0.5hᵥ + 1.2mᵥ)
Une couche GNN simplifiée, avec des poids fixes choisis pour l’exemple. ReLU conserve les valeurs positives et ramène les valeurs négatives à zéro.
Evidence & probability
Revise a scenario estimate.
Le point de départ est un ensemble de trois scénarios. Choisissez une observation et comparez sa vraisemblance dans chaque scénario pour actualiser leurs probabilités.
P(Sᵢ | E) = P(E | Sᵢ) P(Sᵢ) / P(E)
P(E) = Σⱼ P(E | Sⱼ) P(Sⱼ)
Les scénarios s’excluent mutuellement et couvrent toutes les issues possibles de cet exemple. Pour chaque observation choisie, le calcul repart des mêmes probabilités a priori. Toutes les valeurs sont illustratives.
Data & refinement
Affiner les méthodes par l’observation.
Nous recueillons des données sur les événements et les réactions pour affiner les relations modélisées, les mesures de propagation et les estimations des délais.