4.57 sur 5
4.57
379 Commentaires sur Udemy

Python pour l’Analyse Financière et le Trading Algorithmique

Apprenez NumPy , Pandas , Matplotlib , Zipline , la Finance et bien plus... pour le Trading Algorithmique avec Python !
Utiliser la bibliothèque NumPy de Python pour travailler rapidement avec des données numériques
Utiliser la bibliothèque Pandas de Python pour analyser et visualiser des données
Utiliser la bibliothèque Matplotlib de Python pour créer des graphiques personnalisés
Utiliser le module statsmodels pour l'analyse des séries temporelles
Calculer des statistiques financières telles que les rendements quotidiens, les rendements cumulatifs, la volatilité, etc.
Utiliser des Moyennes Mobiles Pondérées Exponentiellement
Utiliser des modèles ARIMA sur les données de séries temporelles
Apprendre des techniques fondamentales de Finance
Calculer le ratio de Sharpe
Optimiser sa gestion de portefeuilles financiers
Comprendre le modèle d'évaluation des actifs financiers
En savoir plus sur les hypothèses des marchés financiers efficients
Effectuer un trading algorithmique sur Quantopian

Bienvenue dans ce cours sur Python pour la Finance ! Si vous êtes intéressé par la façon dont on peut utiliser Python pour mener à  bien des analyses financières rigoureuses et effectuer du trading algorithmique, alors c’est le cours qu’il vous faut !

 

Ce cours vous guidera à travers tout ce que vous devez savoir pour utiliser Python pour la Finance et le Trading Algorithmique (utilisation de modèles mathématiques complexes gérés par ordinateur pour passer des ordres basés sur des critères de timing, de prix, de quantité…) ! Nous commencerons par apprendre les bases de Python, puis nous nous pencherons sur les différentes bibliothèques de base utilisées dans l’écosystème Py-Finance sur Jupyter. Cela comprends les bibliothèques NumPy, Pandas, Matplotlib, Statsmodels, la plateforme Quantopian pour le Trading et bien plus encore !

 

— En résumé —

Ce cours est rempli de leçons intuitives et d’exercices pratiques pour s’exercer en situation réelle.

Nous avons voulu rendre ce cours le meilleur possible et nous sommes particulièrement enthousiastes à l’idée de le partager avec vous et vous voir progresser dans ce merveilleux monde de la Finance.

Jose & Rod

 

Nous couvrirons les sujets suivants utilisés par les professionnels de la finance :

  • Principes fondamentaux de python
  • NumPy pour un traitement numérique très rapide
  • Pandas pour une analyse efficace des données
  • Matplotlib pour la visualisation de données
  • Utilisation de pandas-datareader et de Quandl pour l’extraction de données
  • Techniques d’analyse des séries temporelles de Pandas
  • Analyse des rendements boursiers
  • Rendements quotidiens cumulatifs
  • Volatilité et risque lié aux titres
  • EWMA (Moyenne Mobile Pondérée Exponentiellement)
  • Statsmodels
  • ETS (Erreur-Tendance-Saisonnalité)
  • ARIMA (Moyennes Mobiles Intégrées Auto-Régressives)
  • Graphiques d’Auto-Corrélation et graphiques d’Auto-Corrélation partielle
  • Bases de la Finance
  • Ratio de Sharpe
  • Optimisation de la répartition du portefeuille
  • Optimisation de porte feuille financier: la frontière efficiente de Markowitz
  • Types de fonds d’investissement
  • Transactions boursières
  • Vente à découvert ou position courte
  • Modèle d’évaluation des immobilisations
  • Fractionnement d’actions et dividendes
  • Hypothèses des marchés financiers efficients
  • Trading Algorithmique avec Quantopian
  • Négociation de contrats à terme ou futures (Trading)

 

 

Introduction au Cours

1
Présentation du cours (programme)
2
Vidéo importante (FAQs)
3
As-tu vu la vidéo précédente ? Si non, s'il te plaît, retourne la voir...
4
FAQ du cours

Installation et mise en place de l'environnement py-finance

1
Notes pour l'installation
2
Guide d'installation d'Anaconda et de l'environnement 'pyfinance'

Cours accéléré Python

1
Introduction au cours accéléré Python
2
Cours accéléré Python - Partie 1
3
Cours accéléré Python - Partie 2
4
Cours accéléré Python - Partie 3
5
Exercices Python
6
Solutions Exercices Python

NumPy

1
Introduction à NumPy
2
Les Tableaux NumPy
3
Les Opérations NumPy
4
L'Indexation NumPy
5
Exercices NumPy
6
Solutions Exercices NumPy

Pandas

1
Introduction à Pandas
2
Series
3
DataFrames - Partie 1
4
DataFrames - Partie 2
5
DataFrames - Partie 3
6
Données Manquantes
7
Group By avec Pandas
8
Fusionner, Joindre et Concaténer des DataFrames
9
Opérations ordinaires Pandas
10
Data Input et Output
11
Exercices Pandas
12
Solutions Exercices Pandas

Visualisation de Données avec Matplotlib et Pandas

1
Introduction à la visualisation de données
2
Bases de Matplotlib - Partie 1
3
Bases de Matplotlib - Partie 2
4
Matplotlib - Partie 3
5
Exercices Matplotlib
6
Solutions Exercices Matplotlib
7
Visualisation de Données avec Pandas
8
Visualisation de Séries Temporelles avec Pandas
9
Exercices Visualisation avec Pandas
10
Solutions Exercices Visualisation avec Pandas

Sources de Données

1
Introduction aux sources de données
2
Note sur DataReader de Pandas
3
Pandas DataReader
4
Quandl

Les Données de séries temporelles avec Pandas

1
Introduction aux séries temporelles
2
Index Datetime
3
Ré-échantillonnage Temporel (méthode Resample)
4
Décalage Temporel (méthode Shift)
5
Moyenne Mobile (méthodes Rolling et Expanding)
6
Indicateur Technique Financier: Les Bandes de Bollinger

Projet d'Analyse Boursière

1
Enoncé du Projet d'Analyse Boursière
2
Solutions du Projet d'Analyse Boursière - Partie 1
3
Solutions du Projet d'Analyse Boursière - Partie 2
4
Solutions du Projet d'Analyse Boursière - Partie 3
5
Solutions du Projet d'Analyse Boursière - Partie 4

Analyse des Séries Temporelles

1
Introduction à l'analyse des séries temporelles
2
Les bases sur les Séries Temporelles
3
Introduction à Statsmodels
4
Modèle ETS (théorie)
5
Modèle EWMA (théorie)
6
Code pour EWMA
7
Code pour ETS
8
Modèle ARIMA (théorie)
9
Graphiques d'AutoCorrélation : ACF et PACF
10
ARIMA avec Stasmodels
11
Code ARIMA - partie 2
12
Code ARIMA - partie 3
13
Code ARIMA - partie 4
14
Discussion du choix de P, D et Q

Les Fondamentaux de la Finance avec Python

1
Introduction aux fondamentaux de la finance avec Python
2
Le ratio de Sharpe
3
Répartition du portefeuille (code partie 1)
4
Répartition du portefeuille (code partie 2)
5
Optimisation du Portefeuille (théorie)
6
Optimisation du portefeuille (code partie 1)
7
Optimisation du portefeuille (code partie 2)
8
Optimisation du portefeuille (code partie 3)
9
Principaux concepts du marché financier
10
Type de fonds
11
Reportage BlackRock
12
Livre d'Ordres
13
Vente à découvert ou position courte
14
CAPM - Modèle d'Evaluation des Actifs Financiers
15
CAPM - code
16
Fractionnement d'actions et dividendes
17
Hypothèses des Marchés Financiers Efficients (EMH)

Les bases du Trading Algorithmique avec la plateforme Quantopian

1
Note sur Quantopian et Zipline
2
Introduction à la plateforme Quantopian
4.6
4.6 sur 5
Notes379

Détails des Notes

Étoiles 5
243
Étoiles 4
110
Étoiles 3
22
Étoiles 2
3
Étoiles 1
1
91baff946ed118a55da05b76c077ed3e
Garantie de remboursement de 30 jours

Inclut

17 heures de vidéo à la demande
Durée totale du cours 
Accès sur le mobile et la télévision
Certificat d'achèvement
Je déclare avoir pris connaissance des conditions générales d'utilisation de la plateforme Academia Raqmya (CGU) notamment en ce qui concerne la protection des données à caractère personnelles et la transférabilité des licences.