Les statistiques pour la finance en Python

Ce dossier repository est lié au cours Les statistiques pour la finance en Python. Le cours entier est disponible sur LinkedIn Learning.

Destinée aux analystes financiers, data analysts, data scientists ou toute personne souhaitant appliquer les statistiques à la finance avec Python, cette formation vous permettra d’acquérir les bases essentielles dans un contexte financier. Vous apprendrez à importer, préparer et nettoyer des données boursières, calculer et interpréter les rendements, la volatilité et les tendances, analyser les relations entre actifs et comparer différents groupes financiers. Accompagné par Natacha Njongwa Yepnga, vous verrez également comment mesurer le risque à l’aide d’outils clés comme les drawdowns, la Value at Risk (VaR) et l’Expected Shortfall (ES), puis comment synthétiser vos résultats sous forme de KPI pertinents. Vous disposerez ainsi d’un socle statistique solide, directement appliqué à la finance et prêt à être utilisé dans vos futures analyses.

Ce cours est intégré à GitHub Codespaces, un environnement de développement instantané « dans le nuage » qui offre toutes les fonctionnalités de votre IDE préféré sans nécessiter de configuration sur une machine locale. Avec Codespaces, vous pouvez vous exercer à partir de n'importe quelle machine, à tout moment, tout en utilisant un outil que vous êtes susceptible de rencontrer sur votre lieu de travail. Consultez la vidéo "Utiliser Codespaces sur GitHub" pour savoir comment démarrer

Instructions

Ce dossier repository contient l’ensemble des fichiers utilisés dans la formation. Il ne comporte aucune branche spécifique : tout le contenu se trouve dans la branche principale (main).

1. Téléchargez le dépôt via le bouton « Code > Download ZIP », ou clonez-le avec la commande : git clone https://github.com/LinkedInLearning/statistique-finance-python_5492064.git

2. Installez les dépendances nécessaires :

pip install numpy pandas matplotlib seaborn scipy yfinance statsmodels

Installation

1. Pour utiliser ces fichiers d’exercice, vous avez besoin de :

   • Python 3.10 ou version supérieure

2. Clonez ce dossier repository sur votre machine locale (Mac, CMD Windows ou outil GUI tel que SourceTree)

3. Suivez les instructions spécifiques dans les fichiers de codes pour exécuter les exemples

Formateur

Natacha Njongwa Yepnga Data Scientist • Quantitative Analyst • Fondatrice de LDA Advisory

Retrouvez mes autres formations sur LinkedIn Learning.