Financial Processing

Financial Processing

  • Cours
  • Applications

›Exercices de cours

Exercices de cours

  • Analyses simples avec python
  • Analyse spectrale d’un signal
  • Les signaux discrets
  • FFT, DFT et Filtres appliqués aux images

Application des moyennes mobiles

  • Les moyennes mobiles

Application du Filtrage

  • Filtrage appliqué au NASDAQ

Application de Kalman

  • Le filtre de Kalman
  • Les maths et Kalman
  • Exercice sur Kalman

Projet

  • Projet final appliqué à la Finance
  • Aide sur la VaR

Analyses simples avec python

Présentation

Pour avoir le template du TP faites Copier sur Drive depuis ce lien : Google Colab

Pour notre étude nous allons utiliser les retours journaliers d’un stock du marché américain. Nous allons mettre en place, grapher et calculer quelques données afin de nous familiariser avec Python.

Bibliothèques

import pandas as pd
import datetime
import pandas_datareader.data as web
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
from matplotlib import style
import matplotlib as mpl
import numpy as np

Fonctions utilisées

  • Pour les dates : datetime()
  • Pour récupérer les données : web.DataReader()
  • Pour calculer les returns : pct_change()

Exercices

  1. Récupérer les prix de fermetures
  2. Calculer les retours journaliers
  3. Afficher les retours journaliers sur un graph
  4. Calculer les retours mensuels
  5. Afficher les retours mensuels sur un graph

Questions

  • Quelle est son return journalier moyen ?
  • Quel est l’écart-type de son return journalier ?
  • Le signal semble-t-il périodique ?
Analyse spectrale d’un signal →
  • Présentation
  • Bibliothèques
  • Fonctions utilisées
  • Exercices
  • Questions
Financial Processing
Cours
IntroductionAnalyse FréquentielleSignaux DiscretsFiltrage et transformée
Travaux pratiques
Exercices de coursApplication des moyennes mobilesApplication du FiltrageApplication de KalmanProjet
Informations
GitHubStar
Facebook Open Source
Copyright © 2020