Trading Algorithmique avec Python: Analyse Technique

Importation des données, Modélisation, Portfolio Management pour Live Trading sur MetaTrader 5 en utilisant Python.

What you'll learn

Live Trading en utilisant MetaTrader 5 et Python
Améliorer vos compétences en Python
Créer des strategies de trading algorithmique
Créer des graphiques affichant des données financières
Backtest vectoriel
Comment combiner des stratégies de trading en utilisant des méthodes de Portfolio Management pour faire diminuer le risque encouru
Gérer des données en utilisant Pandas
Nettoyage des données en utilisant Pandas
Programmer en Python
Comparer et choisir la meilleure stratégie parmi un choix très varié
Quantifier le risque d'une stratégie
Optimiser un portefeuille de stratégie de trading en utilisant un critère de maximisation du ratio de Sortino
Optimiser un portefeuille de stratégie de trading en utilisant un critère de minimisation de la volatilité
Optimiser un portefeuille de stratégie de trading en utilisant un critère de maximisation de la statistique Moyenne-Variance-Skweness-Kurtosis
Importer des données financière directement depuis votre broker
Import des données financières depuis Yahoo Finance
Mettre votre stratégie en production sur VPS

Requirements

Quelque connaissance en Python sont le bienvenue mais non nécessaire

Description

Vous avez déjà des connaissances en python et vous voulez monétiser et diversifier vos connaissances ?


Vous avez déjà des connaissances en trading et vous voulez apprendre le trading algorithmique ?


Vous êtes tout simplement une personne curieuse qui souhaite s'intéresser à ce sujet ?


Si vous répondez à au moins une de ces questions, je vous souhaite la bienvenue dans ce cours. Pour les débutants en python, pas de panique, il existe un cours de python (petit mais condensé) pour maîtriser ces connaissances en python.


Dans ce cours, vous apprendrez à programmer des stratégies à partir de zéro. En effet, après un cours intensif en Python, vous apprendrez à mettre en place une stratégie basée sur l'un des indicateurs techniques les plus utilisés : le RSI. Vous apprendrez également à combiner des stratégies afin d'optimiser votre rapport risque/rendement en utilisant les techniques de portefeuille telles que l'optimisation de portefeuille Sortino, l'optimisation de la variance minimale et l'optimisation de l'asymétrie et de l'aplatissement de la variance moyenne.


Une fois les stratégies créées, nous allons les backtester en utilisant python. Ainsi, nous connaîtrons mieux cette stratégie en utilisant des statistiques comme le ratio de Sortino, le drawdown, le beta… Ensuite, nous mettrons notre meilleur algorithme en Live Trading sur la plateforme MetaTrader 5 en utilisant Python..


Vous apprendrez à connaître les outils utilisés par les gestionnaires de portefeuille et les traders professionnels :

Mise en œuvre du trading en direct

Importer les données

Quelques algorithmes de référence

Comment faire un backtest

Le risque d'une action

Python

Qu'est-ce qu'une position longue et courte

Numpy

Pandas

Matplotlib

Pourquoi faut-il diversifier ses investissements ?

Ratio de Sharpe

Ratio de Sortino

Coefficient alpha

Coefficient bêta

Optimisation du portefeuille de Sortino

Optimisation de la variance minimale

Optimisation moyenne-variance skewness kurtosis


Pourquoi ce cours et pas un autre ?

Il ne s'agit pas d'un cours de programmation ni d'un cours de trading. C'est un cours dans lequel la programmation est utilisée pour le trading.

Ce cours n'est pas créé par un data scientist mais par un diplômé en mathématiques et en économie spécialisé dans l'apprentissage automatique pour la finance.

Vous pouvez poser des questions ou lire nos articles sur la finance quantitative simplement en vous inscrivant sur notre forum Discord gratuit.


Sans oublier que le cours est satisfait ou remboursé pendant 30 jours. Ne manquez pas une occasion d'améliorer vos connaissances sur ce sujet fascinant.



Who this course is for:

Toute personne qui est intéressé par le trading algorithmique
Étudiants en finance
Étudiants en Data Science
Professionnels de la finance
Professionnels de la Data Sciences

Course content
11 sections • 80 lectures • 7h 15m total length