Se familiariser avec vos données de trading

Trading financier en Python

Chelsea Yang

Data Science Instructor

Différents types de traders

Day Trader : détient des positions dans la journée, rarement la nuit
Swing Trader : détient des positions de quelques jours à plusieurs semaines
Position Trader : détient des positions de quelques mois à plusieurs années

Rééchantillonner les données

Date                   Close
2019-11-29 04:00:00    1.1010
2019-11-29 08:00:00    1.1005
2019-11-29 12:00:00    1.0993
2019-11-29 16:00:00    1.1016
2019-11-29 20:00:00    1.1020

# Resampler de l'horaire au quotidien
eurusd_daily = eurusd_h.resample('D').mean()

Date          Close
2019-11-25    1.10165
2019-11-26    1.10165
2019-11-27    1.10058
2019-11-28    1.10083
2019-11-29    1.10093

# Resampler de l'horaire à l'hebdomadaire
eurusd_weekly = eurusd_h.resample('W').mean()

Date          Close
2019-11-03    1.11248
2019-11-10    1.10860
2019-11-17    1.10208
2019-11-24    1.10659
2019-12-01    1.10113

Calculer les rendements quotidiens

# Calculer les rendements quotidiens
stock_data['daily_return'] 
= stock_data['Close'].pct_change() * 100

             Close  daily_return
Date                            
2020-12-11  609.99     -2.723779
2020-12-14  639.83      4.891883
2020-12-15  633.25     -1.028398
2020-12-16  622.77     -1.654955
2020-12-17  655.90      5.319781

# Tracer les données
plt.plot(stock_data['daily_return'])
plt.show()

Courbe des rendements quotidiens

Tracer un histogramme des rendements quotidiens

stock_data['daily_return'].hist(bins=100)
plt.show()

Histogramme des rendements quotidiens

Transformer les données

Indicateurs techniques : différentes transformations des données

Moyenne mobile simple (SMA) : moyenne arithmétique du prix sur n périodes

stock_data['sma_50'] = stock_data['Close'].rolling(window=50).mean()

            Close    sma_50
Date                                                                      
2020-12-11  122.41   117.7474
2020-12-14  121.78   117.9226
2020-12-15  127.88   118.1502
2020-12-16  127.81   118.4432
2020-12-17  128.70   118.7156

Tracer la moyenne mobile

import matplotlib.pyplot as plt

plt.plot(stock_data['Close'], 
         label='Close')
plt.plot(stock_data['sma_50'], 
         label='SMA_50')
plt.legend()
plt.show()

Courbe de la SMA avec le cours de clôture

Passons à la pratique !

Trading financier en Python