Chapitre 1.
Stratégies d'investissement pour les analystes quantitatifs débutants

1.1 Préoccupations des investisseurs débutants
1.1.1 Définition des actifs et des investissements
1.1.2 Caractéristiques clés des investissements, risques et rendements
1.1.3 Actifs sûrs et actifs risqués
1.2 Théorie moderne du portefeuille
1.2.1 Théorie du portefeuille visant à accroître les rendements et à réduire le risque
1.2.2 Portefeuille efficient et ligne d'investissement efficiente
1.2.3 Hypothèses de la théorie moderne du portefeuille
1.2.4 Hypothèse de marché des capitaux parfait
1.2.5 Investisseurs rationnels et raisonnables
1.2.6 Hypothèse moyenne-variance
1.2.7 Effet de réduction des risques lié à la diversification
1.2.8 Avantages et inconvénients de la théorie moderne du portefeuille
1.2.9 Alternatives à la théorie moderne du portefeuille

Chapitre 2.
modèle moyenne-variance

2.1 Modèle moyenne-variance
2.1.1 Étapes d'exécution du modèle moyenne-variance
2.1.2 Définition des hyperparamètres
2.1.3 Estimation des paramètres
2.1.4 Optimisation du modèle moyenne-variance
2.2 Stratégie d'allocation d'actifs
2.2.1 Processus de mise en œuvre des stratégies d'allocation d'actifs
2.2.2 Fixation d'objectifs
2.2.3 Collecte de données de marché
2.2.4 Sélection d'une catégorie d'actifs
2.2.5 Définition de l'univers d'investissement
2.2.6 Allocation des actifs
2.2.7 Exécution des ordres
2.2.8 Rééquilibrage périodique
2.2.9 Surveillance du marché et rééquilibrage périodique
2.2.10 Suivi de la performance du portefeuille
2.3 Préparation au développement
2.3.1 Cadres de développement et bibliothèques
2.3.2 Structure des répertoires et des fichiers
Références

Chapitre 3.
Mise en œuvre et analyse par simulation de la stratégie moyenne-variance

3.1 Mise en œuvre de la stratégie moyenne-variance
3.1.1 Collecte des données
3.1.2 Optimisation moyenne-variance
3.1.3 Modélisation des flux de transactions
3.1.4 Simulation moyenne-variance
3.2 Analyse de simulation
3.2.1 Prétraitement des résultats de simulation
3.2.2 Indicateurs de performance du portefeuille
3.2.3 Analyse de simulation par visualisation
Références

Chapitre 4.
Stratégie de timing de marché

4.1 Qu’est-ce qu’une stratégie de timing de marché ?
4.2 Stratégie de moyenne mobile
4.2.1 Méthodes d'investissement utilisant des moyennes mobiles
4.2.2 Méthode de calcul de la moyenne mobile
4.2.3 Mise en œuvre d'une stratégie de moyenne mobile
4.2.4 Simulation de stratégie de moyenne mobile
4.3 Stratégie de dynamique
4.3.2 Stratégies et notation de l'élan
4.3.2 Stratégie de momentum relatif
4.3.3 Stratégie de dynamique à moyen terme
4.3.4 Stratégie de momentum absolu
4.3.5 Stratégie à double momentum
4.3.6 Stratégie de momentum élevé sur 52 semaines
4.3.7 Mise en œuvre d'une stratégie de dynamique
4.3.8 Simulation de stratégie de momentum
Références

Chapitre 5.
Surveillance du marché et rééquilibrage régulier

5.1 La nécessité d'une surveillance du marché
5.1.1 Qu’est-ce que la surveillance du marché ?
5.1.2 Avantages de la surveillance du marché
5.1.3 Méthodes de surveillance du marché
5.2 Modèle d'indicateur technique
5.2.2 Taux d'augmentation et de diminution
5.2.3 Diffusion de convergence à moyenne mobile
5.3 Analyse des résultats d'exécution du modèle d'indicateurs techniques
5.3.1 Aperçu de l'analyse
5.3.2 Rééquilibrage basé sur les ETF
5.3.3 Rééquilibrage basé sur la stratégie moyenne-variance
5.3.4 Comparaison des résultats de simulation

Chapitre 6.
Stratégie factorielle

6.1 Contexte de l'investissement factoriel
6.1.1 CAPM
6.1.2 Modèle factoriel français de Parme
6.2 Investissement factoriel
6.2.1 Réexamen de la stratégie de dynamique
6.2.2 Stratégie des actions de valeur
6.2.3 Stratégie de dividendes
6.2.4 Stratégie des petites capitalisations
6.2.5 Stratégie de l'offre basse
6.2.6 Investissement par sujet d'offre et de demande
Références

Chapitre 7.
Stratégie multifactorielle

7.1 Situation fondée sur des facteurs
7.1.1 Bénéfice quotidien par stratégie
7.1.2 Phase de jeu et groupes
7.1.3 Clustering
7.1.4 Définition des pondérations stratégiques
7.2 Prédiction de phase
7.2.1 Données macroéconomiques
7.2.2 Prédiction de clusters à l'aide de forêts aléatoires
7.2.3 Évaluation des prédictions
7.3 Simulation multifactorielle
7.3.1 Préparation d'un portefeuille
7.3.2 Exécution de la stratégie
Références.

Chapitre 8.
Surveillance du marché grâce aux prédictions d'apprentissage profond

8.1 Construction d'un modèle de prédiction par apprentissage profond
8.1.1 Analyse
8.1.2 Modèle d'apprentissage profond
8.1.3 RNN
8.1.4 SCINet
8.1.5 NLinear
8.2 Simulation d'un modèle de prédiction par apprentissage profond
8.2.1 Aperçu de l'apprentissage profond
8.2.2 Rééquilibrage basé sur les ETF
8.2.3 Rééquilibrage basé sur la stratégie moyenne-variance
8.2.4 Comparaison des résultats de simulation
Références

Chapitre 9.
Stratégies d'optimisation avancées

9.1 Algorithme de Black-Litterman
9.1.1 Théorie de la stratégie du Black-Litterman
9.1.2 Mise en œuvre de la stratégie Black-Litterman
9.1.3 Simulation de la stratégie Black-Litterman
9.2 Algorithme de parité des risques
9.2.1 Stratégie Black-Litterman et stratégie de parité des risques
9.2.2 Théorie de la stratégie de parité des risques
9.2.3 Mise en œuvre d'une stratégie de parité des risques
9.2.4 Simulation de stratégie de parité des risques
Références

◈ Ce que ce livre aborde ◈

◆ Convertissez la théorie financière en code Python et acquérez une compréhension pratique grâce à la pratique.
◆ Risque et rendement, les principaux attributs de l'investissement
Théorie moderne du portefeuille visant à maximiser les rendements et à minimiser les risques
◆ Le modèle moyenne-variance, une stratégie d'allocation d'actifs en théorie moderne du portefeuille
◆ Stratégie de timing de marché qui détermine le moment d'achat/vente en fonction des conditions du marché
◆ Suivi du marché et des principaux indicateurs de marché pour améliorer la capacité de réaction aux risques d'investissement
La stratégie d'investissement factorielle est une méthode d'investissement qui analyse les facteurs déterminant les rendements.
◆ Stratégie multifactorielle qui analyse de manière exhaustive divers facteurs
Stratégies de surveillance et de réponse du marché grâce aux prédictions d'apprentissage profond
Stratégie d'optimisation de la parité des risques Black-Litterman : dépasser les limites du modèle moyenne-variance

◈ Public cible de ce livre ◈

◆ Pour les personnes qui souhaitent acquérir des bases solides, allant de la théorie quantitative fondamentale aux algorithmes de séries temporelles les plus récents.
◆ Les personnes qui souhaitent mettre en œuvre la théorie du portefeuille
◆ Les personnes qui souhaitent exécuter et vérifier divers algorithmes d'allocation d'actifs avec des codes implémentés ainsi que des explications conceptuelles.

◈ Note de l'auteur ◈

L'année dernière, notre équipe, qui recherche et développe des solutions d'IA financière, a discuté de l'idée de partager notre expérience et nos connaissances avec ceux qui s'intéressent à la création de robo-conseillers.
Bien qu'il existe déjà des ouvrages sur l'investissement quantitatif sur le marché et facilement accessibles en ligne, nous étions tous d'accord pour dire qu'un livre basé sur l'expérience de la construction et de l'exploitation du moteur principal d'un robot-conseiller serait d'une aide concrète pour les utilisateurs.
Les membres de l'équipe se sont donc réunis et chacun a choisi un sujet pour commencer à rédiger un manuscrit.
Cependant, il n'était pas facile d'exprimer les connaissances contenues dans l'esprit de cinq auteurs de manière cohérente et naturelle, comme si elles se trouvaient dans l'esprit d'une seule personne, et travailler sur le manuscrit au milieu d'une vie quotidienne chargée a nécessité beaucoup d'efforts.

Dans le cadre de mes cours d'intelligence artificielle en master, je rencontre souvent des étudiants intéressés par l'IA financière, et certains d'entre eux souhaitent créer leurs propres robots-conseillers.
En discutant avec eux, j'ai réalisé que beaucoup de gens, même s'ils ont des connaissances financières, ne sont pas familiarisés avec le développement, ou inversement, même s'ils ont des compétences en développement, ils doivent acquérir des connaissances financières séparément, de sorte qu'ils ne peuvent pas tenter d'investissement quantitatif et le gardent comme un rêve.
J'ai donc pensé que ce livre serait un bon guide pour ces personnes.

Ce livre utilise une approche expérientielle et narrative pour expliquer la théorie financière, de sorte que même les néophytes puissent facilement la suivre et la comprendre.
Et le code était écrit de la manière la plus concise possible, omettant audacieusement la gestion détaillée des exceptions et révélant la logique principale.
De plus, le code est expliqué ligne par ligne afin que vous puissiez le comprendre et le suivre sémantiquement, et vous pouvez voir en détail quelle étape est actuellement en cours d'implémentation.
De plus, les principaux algorithmes des robo-conseillers sont présentés par ordre de difficulté croissante tout au long du livre, permettant ainsi aux lecteurs de les aborder progressivement tout en améliorant leur niveau de compréhension.
Les lecteurs qui souhaitent étendre ou approfondir les algorithmes présentés dans cet ouvrage sont encouragés à analyser les documents de référence et les sources ouvertes.
— Yoon Seong-jin

Après avoir bâti une carrière dans l'investissement traditionnel et quantitatif au sein d'une société de valeurs mobilières chinoise pendant environ six ans, j'ai dû soudainement déménager en Corée pour des raisons personnelles.
Après des études initiales en mathématiques et statistiques, je suis venue en Corée pour obtenir un diplôme en informatique et j'ai rejoint une entreprise informatique pour relever un nouveau défi.
Heureusement, j'ai eu la chance de travailler avec mes collègues actuels et j'ai été nommé chercheur en intelligence artificielle financière, où j'ai commencé à travailler sur le développement d'un conseiller robotisé.
J'ai décidé de créer un robot-conseiller, mais obtenir les résultats souhaités a tout de même nécessité de veiller toute la nuit et de me creuser la tête.
Cette expérience m'a permis de comprendre profondément que la combinaison de la théorie et de la pratique est la clé du succès dans les domaines où la technologie et la finance se croisent.
Au fil de mon expérience pratique, j'ai constaté un manque d'ouvrages traitant des aspects pratiques du développement des robo-conseillers, ce qui m'a conduit à écrire ce livre.
En partageant ces connaissances, nous espérons aider les lecteurs à acquérir progressivement les concepts et techniques fondamentaux de l'investissement quantitatif et à développer des stratégies d'investissement plus intelligentes et plus efficaces.
— Lee Jun

Cela fait déjà quatre ans que je me suis passionné pour l'investissement en bourse et que j'ai commencé à investir.
Mon premier investissement remonte à mes 25 ans environ, lorsque j'ai investi 1 million de wons dans un conseiller robotisé.
Je me souviens avoir commencé avec de grands espoirs pour l'intelligence artificielle à l'époque, mais avoir ensuite subi des pertes sans raison apparente et finalement récupéré mon investissement.
Cette expérience a conduit à une étude approfondie de l'intelligence artificielle et des stratégies d'investissement, qui a constitué la base de ce livre.
À travers de nombreux échecs et réussites en matière d'investissement, j'ai réalisé que les connaissances acquises valent plus que l'argent perdu, et c'est pourquoi je souhaite partager mon savoir et mes idées à travers ce livre.
J'espère que ce livre servira de guide en matière d'« investissement raisonnable » à de nombreux investisseurs qui ont investi sans connaissances et ont subi des pertes.
— Lee Yuri

« Peut-on prédire parfaitement le marché financier ? » C’est une question que toute personne ayant étudié l’économie s’est probablement posée au moins une fois.
Ce livre traite de l'analyse de marché et de la programmation, en utilisant diverses méthodes, notamment l'optimisation de portefeuille, le timing de marché, l'investissement factoriel et l'apprentissage profond.
Bien que ces méthodes puissent servir d'outils de prévision du marché, elles ne conduisent pas toujours à des investissements fructueux.
Ce serait formidable si tous ceux qui lisent ce livre pouvaient toujours réaliser des bénéfices en investissant en bourse, mais comme investir en bourse n'est pas une formule mathématique avec un ensemble de réponses correctes, certaines personnes peuvent connaître des moments d'échec et de frustration.
Ce livre n'apporte pas les bonnes réponses en matière d'investissement en bourse, et un tel livre n'existe pas.
J’espère toutefois que ce livre vous aidera à analyser le marché sous différents angles, à mettre en œuvre ces méthodes par la programmation et à établir votre propre philosophie et vos propres méthodes d’investissement.

— Jo Min-ki

À la fin de ce livre, certains lecteurs considéreront le risque et la volatilité comme des concepts synonymes.
L'idée est qu'un bon portefeuille repose sur un équilibre entre le rendement attendu et le risque, et que si un investisseur recherche la sécurité, il peut ajuster son portefeuille en augmentant la part de risque.
Au chapitre 1, nous avons défini le concept de risque à l'aide de flux de trésorerie futurs incertains, mais je ne pense pas que quiconque comprend les formules et écrit du code pour les appliquer ait le temps de réfléchir profondément à la signification du risque.

Que se passerait-il si j'achetais des terres agricoles auparavant cotées à 2 000 $ l'acre pour seulement 600 $ ? Si les transactions foncières agricoles sont rares, la volatilité du marché augmentera du fait de cette baisse de prix, rendant mon investissement risqué.
Aurais-je donc dû acheter ces terres agricoles à un prix plus proche de 2 000 $ afin de réduire la volatilité de mes actifs ? Lors de l’assemblée générale annuelle de Berkshire Hathaway en 2007, Warren Buffett a raconté cette anecdote, affirmant que la volatilité n’est pas une mesure du risque.
Selon lui, le risque survient plutôt lorsque les investisseurs ne comprennent pas pleinement les aspects économiques de l'investissement.

Ce livre, qui vise à mettre en œuvre un robot-conseiller opérant sur le marché boursier, développe son argumentation en interprétant le risque boursier comme une volatilité.
L'auteur ne possède pas non plus suffisamment de connaissances pour contester le concept de volatilité, qui a été validé par les économistes.
Je tiens toutefois à présenter mes excuses aux lecteurs pour le décalage entre l'investissement réel et les calculs mathématiques.
La finance est trop mathématique pour être comprise intuitivement, et trop flexible pour être comprise logiquement.
Cependant, les économistes ont adopté les mathématiques comme outil pour comprendre la finance, et l'ingénierie financière est née de cette façon.
Ce livre propose aux lecteurs plusieurs façons de tirer profit de l'ingénierie financière, adaptées à ce type d'ingénierie financière.
J'espère que ce livre servira de référence aux lecteurs qui envisagent d'investir.
— Heo Jae-woong