Cours de trading algorithmique

Leçon 1 • Aperçu du système de trading algorithmique

Cartographie l'architecture de bout en bout d'un système de trading algorithmique. Relie l'ingestion de données, la génération de signaux, l'exécution et le risque en un seul pipeline cohérent.

Leçon 2 • Principes fondamentaux de la réglementation et de la conformité

Présente les règles de conduite sur le marché, les obligations de déclaration et les cadres de supervision du trading algorithmique. Assure que les stratégies sont conçues dans les limites de la conformité dès le départ.

Leçon 3 • Fondamentaux des marchés et de la microstructure

Couvre les types d'ordres, l'écart acheteur-vendeur et les mécanismes de formation des prix. Établit le vocabulaire boursier nécessaire pour chaque concept de trading ultérieur.

Leçon 1 • Automatisation des pipelines de données

Planifie les téléchargements de données, les transformations et les mises à jour de stockage avec des scripts Python. L'automatisation garantit que les stratégies fonctionnent toujours sur des données fraîches et cohérentes.

Leçon 2 • Analyse statistique des rendements

Calcule les distributions de rendement, les statistiques mobiles et les matrices de corrélation. Fournit l'intuition statistique sous-jacente à la construction de signaux et à la mesure du risque.

Leçon 3 • Structures de données pour les données de marché

Applique les DataFrames pandas et l'indexation de séries temporelles aux données OHLCV. Soutient directement la manipulation de données requise dans chaque chapitre de stratégie.

Leçon 4 • Configuration de l'environnement Python

Configure un espace de travail Python reproductible avec les bibliothèques essentielles. Élimine les frictions de configuration pour que les étudiants se concentrent immédiatement sur la logique financière.

Leçon 1 • Oscillateurs et signaux de retour à la moyenne

Construit le RSI, le stochastique et le CCI pour détecter les conditions de surachat et de survente. Contraste avec les indicateurs de tendance pour soutenir la conception de stratégies de retour à la moyenne.

Leçon 2 • Combinaison d'indicateurs en signaux

Conçoit une logique de confirmation multi-indicateurs et des cadres de notation des signaux. Réduit les faux positifs en exigeant un accord entre des familles d'indicateurs indépendantes.

Leçon 3 • Développement d'indicateurs personnalisés

Code des indicateurs propriétaires à partir de formules mathématiques et d'hypothèses de domaine. Permet des stratégies différenciées non reproductibles à partir des fonctions de bibliothèque standard.

Leçon 4 • Indicateurs de volatilité et de volume

Calcule les bandes de Bollinger, l'ATR et les indicateurs pondérés par le volume pour mesurer l'activité du marché. Les signaux de volatilité informent le dimensionnement des positions et les règles d'entrée par cassure.

Leçon 1 • Détection du surapprentissage et des biais

Identifie le biais de regard vers l'avant, le filtrage des données et le surapprentissage par des tests statistiques. Empêche les stratégies d'échouer sur les marchés en direct en raison d'illusions dans l'échantillon.

Leçon 2 • Architecture de backtesting et données

Structure un moteur de backtesting basé sur les événements et sélectionne les données historiques appropriées. Une architecture correcte empêche le biais de regard vers l'avant de corrompre les résultats.

Leçon 3 • Utilisation des bibliothèques de backtesting

Implémente des stratégies dans des cadres de backtesting Python établis pour la rapidité et la reproductibilité. La maîtrise des bibliothèques accélère l'itération, de l'idée au résultat validé.

Leçon 4 • Simulation d'une exécution réaliste

Modélise le dérapage, les commissions et les exécutions partielles pour approximer les coûts de trading en direct. Une modélisation réaliste des coûts empêche les stratégies de sembler rentables uniquement en simulation.

Leçon 1 • Arbitrage statistique et trading par paires

Teste la cointégration entre paires d'actifs et construit des stratégies de trading sur écart. Étend le retour à la moyenne aux relations multi-actifs pour une exposition neutre au marché.

Leçon 2 • Techniques d'optimisation des paramètres

Applique la recherche par grille, la recherche aléatoire et l'optimisation bayésienne pour ajuster les paramètres de la stratégie. Équilibre l'ajustement dans l'échantillon contre la robustesse hors échantillon pour éviter le surapprentissage.

Leçon 3 • Construction d'une stratégie de retour à la moyenne

Conçoit des stratégies de retour à la moyenne basées sur les bandes de Bollinger et le RSI avec des seuils d'entrée statistiques. Contraste le profil de risque et la période de détention avec les approches de suivi de tendance.

Leçon 4 • Tests de résistance des stratégies

Soumet les stratégies à des périodes de crise historiques, des changements de régime et des scénarios de chocs synthétiques. Les tests de résistance révèlent la fragilité avant que des capitaux ne soient engagés sur les marchés en direct.

Leçon 1 • Modèles de dimensionnement des positions

Implémente les méthodes de dimensionnement à fraction fixe, de critère de Kelly et ajusté à la volatilité. Un dimensionnement correct détermine si une stratégie rentable survit à des séquences défavorables.

Leçon 2 • Mesures et calcul du risque

Quantifie la valeur à risque, le déficit attendu et le bêta pour caractériser le risque du portefeuille. Une mesure précise est la condition préalable à toutes les décisions ultérieures de contrôle du risque.

Leçon 3 • Gestion du risque au niveau du portefeuille

Gère la corrélation, la concentration sectorielle et l'exposition brute dans plusieurs stratégies. Les contrôles au niveau du portefeuille empêchent les pertes d'une stratégie individuelle de se propager.

Leçon 4 • Contrôles de stop-loss et de tirage

Code les stops durs, les stops suiveurs et les disjoncteurs de tirage au niveau du portefeuille. Les contrôles automatisés imposent la discipline lorsque le jugement discrétionnaire peut faire défaut.

Leçon 1 • Intégration de l'API du courtier

Authentifie et communique avec les API REST et WebSocket du courtier pour placer des ordres. L'intégration de l'API est le pont critique entre la logique de la stratégie et les marchés en direct.

Leçon 2 • Analyse de la qualité d'exécution

Mesure le dérapage, les taux d'exécution et le déficit de mise en œuvre par rapport aux indices de référence après la transaction. L'analyse de l'exécution ferme la boucle de rétroaction entre la conception de la stratégie et la performance en direct.

Leçon 3 • Types d'ordres et logique d'acheminement

Implémente les ordres au marché, à cours limité, stop et conditionnels avec des règles d'acheminement intelligentes. Une sélection appropriée des ordres minimise le coût d'exécution et le dérapage dans les conditions en direct.

Leçon 4 • Surveillance en temps réel des ordres

Construit un tableau de bord en direct affichant les ordres ouverts, les exécutions et le rapprochement des positions. La surveillance en temps réel permet une réponse rapide aux anomalies d'exécution et aux défaillances du système.

Leçon 1 • Gestion du cycle de vie des stratégies

Définit les critères de retrait, de réoptimisation et de réallocation du capital d'une stratégie au fil du temps. La gestion du cycle de vie empêche le capital de rester dans des stratégies qui ont perdu leur avantage.

Leçon 2 • Configuration de l'infrastructure de production

Configure des serveurs cloud, des déploiements conteneurisés et une gestion sécurisée des informations d'identification. Une infrastructure fiable empêche les temps d'arrêt de provoquer des transactions manquées ou des positions incontrôlées.

Leçon 3 • Attribution de la performance en direct

Décompose le P&L en direct en composantes de signal, d'exécution et de coûts pour l'analyse d'attribution. L'attribution identifie si la sous-performance provient de la logique de la stratégie ou de la qualité de l'exécution.

Leçon 4 • Trading simulé et déploiement par étapes

Valide les stratégies en trading simulé avant d'engager du capital réel par un déploiement par étapes. Le déploiement par étapes détecte les bogues de l'environnement en direct sans exposition financière matérielle.