{"product_id":"162814","title":"Trading algorithmique avec Python ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEV1JlFhKC3TVqW1iRkKQok6t1eQ.png?v=1765113140\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Trading algorithmique avec Python \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/102714050\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eComment utiliser les bibliothèques Python pour un trading algorithmique efficace et performant !\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003eLe trading algorithmique, autrefois réservé aux investisseurs institutionnels, est désormais accessible aux petites organisations et aux traders individuels via des plateformes en ligne.\u003cbr\u003e Python et son écosystème de packages robuste sont devenus l'outil de prédilection d'innombrables traders aujourd'hui.\u003cbr\u003e Dans cet ouvrage pratique, l'auteur Yves Hilfish montre aux étudiants, aux universitaires et aux professionnels comment tirer parti de Python dans le domaine fascinant du trading algorithmique.\u003cbr\u003e\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eChapitre 1 : Python et le trading algorithmique 1\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Python pour la finance ? 1\u003cbr\u003e Trading algorithmique 8\u003cbr\u003e Python 12 pour le trading algorithmique\u003cbr\u003e Domaines à privilégier et prérequis 14\u003cbr\u003e Stratégie de trading 15\u003cbr\u003e Conclusion 16\u003cbr\u003e Références et autres ressources 17\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 2 Infrastructure Python 19\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Conda 21 en tant que gestionnaire de paquets \u003cbr\u003eConda 29, qui fait office de gestionnaire d'environnement virtuel\u003cbr\u003e Utilisation des conteneurs Docker 33\u003cbr\u003e Utilisation des instances cloud 39\u003cbr\u003e Conclusion 47\u003cbr\u003e Références et autres ressources 48\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 3 Exploiter les données financières 49\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Lecture de données financières provenant de différentes sources 50\u003cbr\u003e Utilisation des sources de données ouvertes 56\u003cbr\u003e API de données d'icônes 60\u003cbr\u003e Stockage efficace des données financières 69\u003cbr\u003e Conclusion 81\u003cbr\u003e Références et autres ressources 82\u003cbr\u003e Script Python 83\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 4 Maîtriser le backtesting vectorisé 85\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Utilisation de la vectorisation 87\u003cbr\u003e Stratégie basée sur la moyenne mobile simple 93\u003cbr\u003e Stratégie basée sur la dynamique 102\u003cbr\u003e Stratégie de retour à la moyenne 110\u003cbr\u003e Exploration des données et surapprentissage 114\u003cbr\u003e Conclusion 116\u003cbr\u003e Références et autres ressources 116\u003cbr\u003e Script Python 118\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 5 Techniques d'apprentissage automatique pour la prédiction des mouvements de marché 125\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Prédiction des mouvements de marché basée sur la régression linéaire 126\u003cbr\u003e Prédiction des mouvements de marché basée sur l'apprentissage automatique 140\u003cbr\u003e Prédiction des mouvements de marché basée sur l'apprentissage profond 154\u003cbr\u003e Conclusion 165\u003cbr\u003e Références et autres ressources 166\u003cbr\u003e Script Python 167\u003cbr\u003e \u003cbr\u003e\u003cb\u003eCHAPITRE 6 Création d'une classe pour le backtesting événementiel 173\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Classe de base de test rétrospectif 175\u003cbr\u003e Classe de backtest long-only 181\u003cbr\u003e Classe de backtest long-short 184\u003cbr\u003e Conclusion 187\u003cbr\u003e Références et autres ressources 188\u003cbr\u003e Script Python 188\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 7 Utilisation des données en temps réel et des sockets 197\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Exécution d'un serveur de données tick simulé 199\u003cbr\u003e Connexion client de données de cotation simulées 202\u003cbr\u003e Génération de signaux en temps réel 203\u003cbr\u003e Visualisation des données en flux continu avec Plotly 206\u003cbr\u003e Conclusion 212\u003cbr\u003e Références et autres ressources 213\u003cbr\u003e Script Python 213\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 8 Le trading de CFD avec Oanda 217\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Configuration du compte 221\u003cbr\u003e Oanda API 222\u003cbr\u003e Recherche dans les données antérieures 224\u003cbr\u003e Opérations de données en flux continu 230\u003cbr\u003e Passez un ordre au prix du marché 231\u003cbr\u003e Mise en œuvre de stratégies de trading en temps réel 233\u003cbr\u003e Récupérer les informations du compte 238\u003cbr\u003e Conclusion 240\u003cbr\u003e Références et autres ressources 241\u003cbr\u003e Script Python 241\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 9 Le trading de devises avec FXCM 243\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Pour commencer 245\u003cbr\u003e Recherche de données 246\u003cbr\u003e Opération API 251\u003cbr\u003e Conclusion 257\u003cbr\u003e Références et autres ressources 258\u003cbr\u003e \u003cbr\u003e\u003cb\u003eCHAPITRE 10 Automatisation des opérations transactionnelles 259\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Gestion de capital 260\u003cbr\u003e Stratégies de trading basées sur l'apprentissage automatique 271\u003cbr\u003e Algorithme en ligne 283\u003cbr\u003e Infrastructure et déploiement 288\u003cbr\u003e Journalisation et surveillance 289\u003cbr\u003e Conclusion 296\u003cbr\u003e Références et autres ressources 297\u003cbr\u003e Script Python 297\u003cbr\u003e\u003cbr\u003e \u003cb\u003eANNEXE A Python, NumPy, Matplotlib et Pandas 301\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Notions de base de Python 302\u003cbr\u003e NumPy 311\u003cbr\u003e Matt Plotlip 318\u003cbr\u003e Pandas 323\u003cbr\u003e Conclusion 339\u003cbr\u003e Références et autres ressources 339\u003cbr\u003e\u003cbr\u003e Recherche 341\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate3528\/MidCate003\/352727162(1).jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eDans le livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e Imaginons qu'un trader algorithmique s'intéresse au trading de Bitcoin, la cryptomonnaie ayant la plus grande capitalisation boursière.\u003cbr\u003e Il semble probable que sa première tâche sera de trouver des données montrant le taux de change historique du dollar (USD).\u003cbr\u003e En utilisant les données Quandl et Pandas, vous pouvez faire cela en une minute. \u003cbr\u003eLa figure 1-1 (omettant certains des paramètres nécessaires à la mise en forme de la figure) montre la figure résultante lorsque le code Python suivant est exécuté.\u003cbr\u003e Bien que Pandas ne l'importe pas explicitement, il existe par défaut un package wrapper Python appelé Quandl qui ajoute une moyenne mobile simple (SMA) sur 100 jours et renvoie un objet DataFrame que nous pouvons utiliser pour visualiser les données brutes à l'aide de la SMA.\u003cbr\u003e\u003cbr\u003e --- p.6\u003cbr\u003e\u003cbr\u003e L'utilisation de l'API Icon avec Python offre un avantage clé : la possibilité de rechercher facilement des données non structurées, puis d'utiliser des packages Python pour analyser et traiter les données en vue du traitement automatique du langage naturel (TALN).\u003cbr\u003e Cette procédure est aussi simple et directe que celle appliquée aux données de séries chronologiques financières. \u003cbr\u003eLe code suivant recherche les titres d'actualités qui mentionnent Apple Inc. comme entreprise et le mot « Macbook » dans un intervalle de temps fixe (c'est-à-dire une plage).\u003cbr\u003e Les actualités correspondant aux critères sont affichées, en commençant par les plus récentes et jusqu'à cinq articles.\u003cbr\u003e\u003cbr\u003e --- p.67\u003cbr\u003e\u003cbr\u003e Les données de séries temporelles financières contenues dans un objet DataFrame peuvent également être écrites directement dans une base de données relationnelle telle que SQLite3.\u003cbr\u003e L'utilisation d'une base de données relationnelle peut s'avérer utile dans les scénarios où il est nécessaire d'appliquer le langage de requête SQL pour permettre une analyse plus sophistiquée.\u003cbr\u003e En matière de vitesse et d'utilisation du disque, les bases de données relationnelles ne peuvent rivaliser avec d'autres approches qui reposent sur des formats de stockage binaires comme HDF5.\u003cbr\u003e\u003cbr\u003e --- p.79\u003cbr\u003e \u003cbr\u003eDans ce chapitre, nous présenterons des techniques statistiques telles que la régression linéaire et des techniques d'apprentissage automatique telles que la régression logistique pour prédire les mouvements de prix futurs à partir des rendements passés.\u003cbr\u003e Il montre également comment prédire les fluctuations du marché boursier à l'aide de réseaux neuronaux.\u003cbr\u003e Bien entendu, ce chapitre ne peut à lui seul fournir une introduction complète à l'apprentissage automatique, mais il peut montrer, du point de vue d'un praticien, comment utiliser des techniques spécifiques pour résoudre des problèmes spécifiques de prédiction des prix.\u003cbr\u003e\u003cbr\u003e --- p.125\u003cbr\u003e\u003cbr\u003e En matière de trading algorithmique, une question essentielle se pose : « Quel montant de capital faut-il allouer à une stratégie de trading algorithmique donnée, compte tenu du capital total disponible ? »\u003cbr\u003e La réponse à cette question dépend de votre objectif principal en matière de trading algorithmique. \u003cbr\u003eLa plupart des particuliers et des institutions financières s'accorderaient à dire que maximiser le patrimoine à long terme est un objectif pertinent.\u003cbr\u003e C’est ce dont Edward Thorp a tenu compte lorsqu’il a élaboré le critère Kelly pour l’investissement, tel que décrit dans Rotando et Thorp (1992).\u003cbr\u003e En termes simples, le critère de Kelly est un critère qui permet aux traders de calculer explicitement le pourcentage de capital disponible qu'ils devraient investir dans leurs stratégies, en tenant compte des caractéristiques statistiques de rendement.\u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e --- p.260\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eEn ce qui concerne le sujet du « trading algorithmique avec Python », c'est le seul livre qui le traite de manière aussi exhaustive et approfondie !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Le trading algorithmique, autrefois réservé aux investisseurs institutionnels, est désormais accessible aux petites organisations et aux traders individuels via des plateformes en ligne. \u003cbr\u003ePython et son écosystème de packages robuste sont devenus l'outil de prédilection d'innombrables traders aujourd'hui, et dans ce livre pratique, l'auteur Yves Hilfish montre aux étudiants, aux universitaires et aux praticiens comment tirer parti de Python dans le domaine fascinant du trading algorithmique.\u003cbr\u003e De plus, ce livre propose des options pour construire et déployer systématiquement des stratégies de trading algorithmiques automatisées, ce qui peut vous aider considérablement à rétablir l'équilibre sur le marché.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eContenu principal de ce livre\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Mise en place d'un environnement Python adapté au trading algorithmique\u003cbr\u003e - Apprenez à extraire des données financières de sources publiques ou privées.\u003cbr\u003e - Exploration des méthodes de vectorisation pour l'analyse financière à l'aide de NumPy et Pandas.\u003cbr\u003e - Maîtriser le backtesting vectorisé pour diverses stratégies de trading algorithmique. \u003cbr\u003ePrédire le marché grâce à l'apprentissage automatique et à l'apprentissage profond.\u003cbr\u003e - Résolution des problèmes de traitement en temps réel des flux de données à l'aide d'outils de programmation de sockets.\u003cbr\u003e Mettre en œuvre des stratégies de trading algorithmiques automatisées basées sur des plateformes de trading telles que Oanda et FXCM.\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePublic cible de ce livre\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Étudiants, universitaires et professionnels ayant des connaissances de base en programmation Python et en trading financier et souhaitant appliquer Python au domaine du trading algorithmique. \u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate de publication :\u003c\/strong\u003e 29 juillet 2021\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 376 pages | 188 x 245 x 30 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791191600100\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1191600106 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43890815762474,"sku":"162814","price":51.96,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/3d06ae2b76dc16b08daa9343adf57515.jpg?v=1765306154","url":"https:\/\/librairie.coreenne.fr\/products\/162814","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}