Python pour la finance : analyse de données, automatisations & modélisation
Manipuler des données financières avec Pandas et NumPy
Construire des visualisations financières professionnelles
Implémenter une optimisation de portefeuille et un backtest
Automatiser des tâches d’analyse et de reporting
| 09h00 – 09h30 | Environnement Python : Jupyter Notebook, Anaconda, bibliothèques essentielles (Pandas, NumPy) |
| 09h30 – 11h00 | Manipulation de données financières avec Pandas : import CSV/Excel, nettoyage, agrégation |
| 11h00 – 11h15 | — Pause — |
| 11h15 – 12h30 | Calculs financiers avec NumPy : rendements, volatilité, corrélations, matrices de covariance |
| 13h30 – 15h00 | Visualisation de données financières : Matplotlib, Seaborn, Plotly – graphiques professionnels |
| 15h00 – 15h15 | — Pause — |
| 15h15 – 16h45 | Récupération de données en temps réel : yfinance, APIs Bloomberg/Refinitiv |
| 16h45 – 17h30 | Synthèse J1, Q&A |
| 09h00 – 10h30 | Optimisation de portefeuille Markowitz : frontière efficiente, portefeuille tangent |
| 10h30 – 10h45 | — Pause — |
| 10h45 – 12h30 | Backtesting d'une stratégie de trading : framework, métriques de performance, biais |
| 13h30 – 15h30 | Introduction à la modélisation financière : DCF automatisé, Monte Carlo, VaR paramétrique |
| 15h30 – 15h45 | — Pause — |
| 15h45 – 16h45 | CAutomatisation de rapports : génération PDF/Excel depuis Python, scheduling |
| 16h45 – 17h30 | Projet final (mini-outil d'analyse), présentation, attestations |
Analystes financiers, quants débutants, traders algorithmiques, risk managers souhaitant automatiser
Réservez votre place et développez vos compétences
