Introduction à Python
  • Back to Main Website
  • Home
  • Comprendre Et Installer Python
    • Comprendre Et Installer Python
    • Histoire du Langage
    • Exécution d’un Programme Python
    • Versions et Compilation de Python
    • Le PATH
    • Path.. et environnements virtuels!
    • Les IDEs
    • Les Notebooks

    • Quelques IDEs en Python
    • VsCode - L’IDE Flexible et Polyvalent
    • Spyder - Un IDE Orienté Science des Données
    • PyCharm - L’IDE orienté Python

    • Travaux Pratiques
    • TP Guidé - Installer plusieurs versions de python avec pyenv
    • TP - Construire son python depuis la source
  • Syntaxes et Concepts de Base
    • Syntaxes et Concepts de Base
    • Syntaxe et objets de Base Python
    • Fonctions et Modules
    • Introduction à la POO en Python

    • Travaux Pratiques
    • Exercices d’applications
    • Base de la POO: Exercice
  • Les Librairies Python
    • Les Librairies Python
    • Installer et importer des librairies en Python
    • Les DataFrames
    • Exemple sur pandas
    • Calcul Scientifique et Optimization
    • Machine Learning
    • Recupérer des données du net
    • Python - Aussi un language pour servir des données
    • Visualiser et présenter ces données avec Python

    • Travaux Pratiques
    • TP-3 Libraries
    • TP - Utiliser pandas
  • Bonne pratiques, Dangers, et Astuces
    • Bonne pratiques, Dangers, et Astuces
    • Mutabilité et Scope
    • Typage en Python
    • Asynchronie et Multiprocessing

    • Travaux Pratiques
    • Modern Portfolio Theory - Practical Work
    • Modern Portfolio Theory - Practical Work - Corrected version
    • TP Python for Finance: Introduction to Option Pricing
    • TP Python for Finance: Introduction to Option Pricing - Corrected Version
    • TP - Creer un outil de récupération de donnée
  • Concepts avancés
    • Concepts avancés
    • L’arbre Syntaxique Abstrait ou AST
    • Python Orienté Objet - Les Dunders
    • Python Orienté Objet - les Design Patterns

    • Travaux Pratiques
    • TP-5
  • Sujets de Projets possibles
    • Projets
    • Projets Introduction à Python - Millésime 2024
    • Projets Introduction à Python - Millésime 2025
  • Code source
  1. Travaux Pratiques
  2. TP-3 Libraries
  • Les Librairies Python
  • Installer et importer des librairies en Python
  • Les DataFrames
  • Exemple sur pandas
  • Calcul Scientifique et Optimization
  • Machine Learning
  • Recupérer des données du net
  • Python - Aussi un language pour servir des données
  • Visualiser et présenter ces données avec Python
  • Travaux Pratiques
    • TP-3 Libraries
    • TP - Utiliser pandas

On this page

  • TP : Analyse et Prévision des Volumes d’Actifs Financiers
  1. Travaux Pratiques
  2. TP-3 Libraries

TP-3 Libraries

TP
Exercices
Mise en pratique simple des éléments vu aurparavant.
Author

Remi Genet

Published

2025-02-12

TP : Analyse et Prévision des Volumes d’Actifs Financiers

Ce TP se concentre sur la récupération des données de prix d’actifs, la prévision de volumes et la visualisation de la volatilité. Nous allons suivre les étapes suivantes :

1. Récupération des Données avec yfinance

Nous utiliserons le package yfinance pour récupérer les données de prix journaliers de 10 actifs différents.

2. Prévision de Volume avec Modèles Simples

Nous mettrons en œuvre des modèles de prévision simples comme la régression linéaire et ARIMA pour prédire le volume des transactions pour le jour suivant (1-step ahead forecast).

3. Visualisation des Volumes par Rapport à la Volatilité

Nous visualiserons les volumes des actifs en relation avec leur volatilité, en utilisant la valeur absolue des rendements comme proxy de la volatilité.

Back to top
Visualiser et présenter ces données avec Python
TP - Utiliser pandas

Introduction à Python, Rémi Genet.
Licence
Code source disponible sur Github

 

Site construit avec et Quarto
Inspiration pour la mise en forme du site ici
Code source disponible sur GitHub