When you enroll through our links, we may earn a small commission—at no extra cost to you. This helps keep our platform free and inspires us to add more value.
Python pour l'Analyse Financière & Algorithmes de Trading
Apprendre NumPy, Pandas, Matplotlib, Zipline, la Finance, les Time Series pour du Trading Algorithmique avec Python !
This Course Includes
udemy
4.6 (712 reviews )
17h 7m 
english
Online - Self Paced
professional certificate
Udemy
About Python pour l'Analyse Financière & Algorithmes de Trading
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
Bonus : Syntaxe et stratégies de Trading Algorithmique
Négociation de contrats à terme ou futures (Trading)
What You Will Learn?
- 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 Show moreShow less.