À propos de l'auteur
Entrée
Recommandation
Remerciements

Chapitre 1 : Python et les données financières

1.
Programmation Python
1) Principales caractéristiques de Python
2) Avantages de Python
3) Domaines d'application de Python

2.
Anaconda Python
1) Caractéristiques principales d'Anaconda
2) Principaux outils inclus dans Anaconda
3) Pourquoi utiliser Anaconda ?

3.
Installation de Python
1) Installez Anaconda Python
2) Lancement de Jupyter Notebook

4.
Qu'est-ce qu'une variable ?
1) Utilisation des variables en Python
2) Règles de dénomination des variables

5.
Qu'est-ce qu'un commentaire ?
1) Utilisation des commentaires en Python
2) Bons exemples d'utilisation des commentaires

6.
Type de données numériques
1) Type entier
2) Type à virgule flottante
3) Opérations sur les types de données numériques

7.
Type de données chaîne
1) Définition et création de chaînes de caractères
2) Opérations sur les chaînes de caractères
3) Méthode de chaîne
4) Formatage de chaînes

8.
Type de données de liste
1) Création et accès aux listes
2) Modification et manipulation de listes
3) Opérations sur les listes
4) Découpage de liste

9.
type de données Tuple
1) Création et accès aux tuples
2) Immuabilité des tuples
3) Opérations sur les tuples
4) Emballage
5) Déballage
6) Déballage prolongé
7) Les tuples et leur utilité

10.
type de données de dictionnaire
1) Création et accès à un dictionnaire
2) Modification et manipulation du dictionnaire
3) Méthode du dictionnaire
4) Compréhension du dictionnaire

11.
Définir le type de données
1) Création et accès aux ensembles
2) Opérations ensemblistes
3) Méthode Set

12.
fonction
1) Définition et appel de la fonction
2) Arguments et paramètres
3) Paramètres par défaut
4) Arguments variables
5) Valeur de retour
6) Lambda

13.
instruction conditionnelle if
1) Instruction if de base
2) instruction if-else
3) chaîne if-elif-else
4) Instructions if imbriquées
5) Simplification des expressions conditionnelles

14.
boucle while
1) Structure de base de la boucle while
2) Utiliser la fonction pause et continuer
3) structure while-else
4) Boucle infinie

15.
boucle for
1) Structure de base de la boucle for
2) Utilisation avec différentes séquences
3) Contrôle en boucle : interruption et continuation
4) structure for-else
5) Boucle For utilisant la plage
6) Compréhension de listes

16.
Gestion des exceptions
1) Structure de gestion des exceptions
2) Gestion simultanée de plusieurs exceptions
3) Utilisation des objets d'exception

17.
bibliothèque
1) Structure de la bibliothèque
2) Comment utiliser la bibliothèque
3) Quelques bibliothèques Python populaires
4) Installation de la bibliothèque

Chapitre 2 Collecte et analyse des données

1.
Projet d'analyse boursière
1) Capacités de traitement des données
2) Accessibilité des données financières
3) Automatisation et analyse en temps réel
4) Outils de visualisation
5) Analyse technique et modélisation statistique

2.
Trouver des actions sous-évaluées
1) Obtenir des informations sur les actions nationales

3.
Trouvez des actions avec des ratios cours/bénéfice faibles.
1) Formule de calcul du PER
2) Interprétation du PER
3) L'importance du PER

4.
Trouvez des actions à rendement élevé en actions
1) Formule de calcul du ROE
2) Interprétation du ROE
3) L'importance du ROE

5.
Trouvez des actions à dividendes élevés
1) Caractéristiques clés des actions à dividendes
2) Avantages des actions à dividendes
3) Inconvénients des actions à dividendes
4) Exemples d'actions à dividendes
5) Trouvez des actions qui ont augmenté leurs dividendes pendant quatre années consécutives.

Chapitre 3 Stratégies de sélection des actions

1.
Récupération des données sur le cours des actions
1) Installez FinanceDataReader
2) Principales caractéristiques et fonctions
3) Domaines d'application

2.
moyenne mobile
1) Avantages des moyennes mobiles
2) Moyenne mobile simple
3) Moyenne mobile exponentielle
4) Identification des actions recommandées à l'aide de la moyenne mobile exponentielle (EMA)

3.
indice de force relative
1) Méthode de calcul
2) Interprétation des valeurs RSI
3) Signaux d'investissement
4) Identification des actions recommandées à l'aide du RSI

4.
Bandes de Bollinger
1) Composants
2) Comment ça marche
3) Signaux d'investissement
4) Trouver des actions recommandées à l'aide des bandes de Bollinger

5.
théorie du portefeuille
1) Écart type des rendements

6.
ligne d'investissement efficace
1) Composition d'une ligne d'investissement efficace
2) Caractéristiques des lignes d'investissement efficaces
3) Représentation visuelle de la ligne d'investissement efficiente

7.
Trouvez le meilleur ratio d'investissement

8.
Simulation de Monte Carlo
1) Concepts clés de la simulation de Monte Carlo
2) Application à l'optimisation de portefeuille

9.
Rapport de Sharpe
1) Signification du ratio de Sharpe

Chapitre 4 Analyse technique

1.
prédiction du cours des actions de l'IA
1) Composantes clés de la prédiction du cours des actions par l'IA
2) Cas de la prédiction du cours des actions par l'IA
3) Principaux types d'apprentissage automatique
4) Modèle de classification/régression
5) Étapes générales de l'apprentissage automatique

2.
Prévoir les cours boursiers futurs

3.
Modèle des K plus proches voisins
1) Fonctionnement de KNN
2) Avantages et inconvénients du modèle des k plus proches voisins

4.
Modèle d'arbre de décision
1) Composantes d'un arbre de décision
2) Fonctionnement des arbres de décision
3) Avantages et inconvénients des arbres de décision

5.
Modèle de forêt aléatoire
1) Composantes d'une forêt aléatoire
2) Avantages et inconvénients des forêts aléatoires

6. Modèle XGBoost
1) Composants de XGBoost
2) Fonctionnement de XGBoost
3) Avantages et inconvénients du modèle XGBoost

7.
Prévoir les cours futurs des actions nationales

8.
Trouvez des actions qui grimpent de plus de 5 % en une journée
1) Précision
2) Précision
3) Rappel

9.
Amélioration des performances du modèle

10.
Identification des actions à tendance haussière grâce à l'apprentissage par renforcement
1) Algorithme epsilon-glouton
2) Le problème de l'exploration et de l'utilisation
3) Processus algorithmique

En conclusion

« L’analyse des actions doit précéder l’investissement en actions ! »

Ce livre est la suite de « Intelligence artificielle, aidez-moi à investir en bourse », qui a été sélectionné comme livre Sejong de 2024, mais c'est un livre que les lecteurs devraient lire avant son prédécesseur.
Parce qu'elle fournit des outils pratiques pour comprendre et analyser efficacement la complexité des marchés financiers volatils.

Pour aider même les lecteurs ayant une expérience limitée en programmation à suivre le processus d'apprentissage, nous abordons en détail la structure grammaticale de base de Python, les types de données principaux (nombres, chaînes de caractères, listes, tuples, dictionnaires, ensembles), les instructions de contrôle (instructions conditionnelles, boucles), les définitions de fonctions et leur utilisation.
De plus, nous proposons un apprentissage pratique en vous guidant à travers l'installation d'Anaconda Python et l'utilisation de Jupyter Notebook pour construire un environnement de développement efficace.

Pour renforcer les compétences pratiques en analyse de données financières, cet ouvrage explique le processus de collecte et de traitement de données boursières réelles à l'aide des bibliothèques Python. Il présente des méthodes de calcul et d'analyse d'indicateurs financiers fondamentaux tels que le PER et le ROE grâce au langage Python. Il fournit également des exemples concrets d'implémentation d'indicateurs d'analyse technique clés, comme les moyennes mobiles (MM), l'indice de force relative (RSI) et les bandes de Bollinger, en Python, ainsi que des exemples de développement de stratégies d'investissement basées sur ces indicateurs.

De plus, nous présentons les concepts fondamentaux de la théorie du portefeuille et expliquons comment évaluer la performance d'un portefeuille en calculant l'écart type des rendements et le ratio de Sharpe.
Nous l'avons conçu pour vous permettre de pratiquer des techniques d'analyse avancées, notamment l'utilisation de techniques de simulation de Monte Carlo pour trouver des ratios de répartition d'actifs optimaux.


Enfin, nous expliquons les principes de divers modèles d'apprentissage automatique, tels que les K plus proches voisins (KNN), les arbres de décision, les forêts aléatoires et XGBoost, et fournissons une méthode pour les implémenter en Python afin de construire un modèle de prédiction du cours des actions et d'évaluer ses performances, jetant ainsi les bases d'une stratégie d'investissement basée sur l'IA.

De l'analyse des données financières aux stratégies d'investissement avec Python

Avez-vous déjà trouvé l'investissement en bourse trop difficile ? Vous sentez-vous perdu face à des graphiques et des actualités complexes ? Rassurez-vous ! Ce livre vous guidera dans l'analyse des données financières et l'élaboration de votre propre stratégie d'investissement grâce au puissant outil Python.

Des bases solides en Python ! (Chapitre 1)

Même si vous débutez en programmation, pas de souci ! Nous vous enseignerons les bases, de la syntaxe Python fondamentale aux variables, types de données, fonctions, instructions conditionnelles et boucles, de manière simple et ludique.
De l'installation d'Anaconda à l'utilisation de Jupyter Notebooks, configurer votre environnement de codage est un jeu d'enfant !

Le pouvoir de la lecture et de l'analyse des données ! (Chapitre 2)

Apprenez à importer et à analyser des données boursières réelles à l'aide de Python. Vous développerez vos compétences en analyse de données grâce à des exemples pratiques, comme l'identification d'actions sous-évaluées à l'aide d'indicateurs financiers tels que le ratio cours/bénéfice (PER) et le rendement des capitaux propres (ROE), et l'identification d'actions à dividendes élevés qui versent des dividendes de manière régulière.

Élaborez votre propre stratégie d'investissement ! (Chapitre 3)

Apprenez à implémenter et à utiliser des indicateurs d'analyse technique tels que les moyennes mobiles, le RSI et les bandes de Bollinger en Python.
Vous apprendrez à comprendre la théorie du portefeuille et le concept de frontière efficiente, et à utiliser la simulation de Monte Carlo et le ratio de Sharpe pour trouver le ratio d'investissement optimal.

Prédire l'avenir grâce à l'IA ! (Chapitre 4)

De plus, nous apprendrons à prédire les cours boursiers à l'aide de modèles d'apprentissage automatique (KNN, arbres de décision, forêts aléatoires, XGBoost).
Nous allons créer un modèle qui identifie les actions dont le cours grimpe de plus de 5 % par jour, et vous donner des conseils pour améliorer vos performances ! Vous découvrirez également en avant-première des stratégies de recherche d'actions basées sur l'apprentissage par renforcement.

Ce livre vous permettra non seulement d'améliorer vos compétences en programmation Python, mais aussi de développer votre capacité à comprendre les marchés financiers et à analyser les données, faisant de vous un investisseur plus confiant ! Lancez-vous dès aujourd'hui et créez votre propre assistant d'investissement intelligent !

Je recommande ceci à ces personnes.

- Toute personne souhaitant apprendre Python et l'utiliser pour analyser des données financières
- Ceux qui souhaitent prendre des décisions d'investissement rationnelles fondées sur des données
- Ceux qui souhaitent calculer et utiliser directement les indicateurs d'analyse technique ou les indicateurs financiers.
- Ceux qui s'intéressent à la prédiction du cours des actions à l'aide de l'intelligence artificielle
- Ceux qui rêvent de construire leur propre système d'investissement automatisé