Python
Pour le management, l'économie et la finance
Ce manuel, destiné aux étudiants en économie et gestion débutant sur Python, aux étudiants ingénieurs en spécialisation finance et plus largement à la formation continue, propose :
• Une introduction à Python et à son univers ;
• Les modèles d’évaluation du prix des options (Black et Scholes, crypto-options) ;
• Le traitement des données de marché (analyse technique, trading algorithmique, compteurs de vitesse et robots) ;
• Le traitement des données économiques, comptables et financières (big data, fragmentation des données, changement climatique, économie post-covid) ;
• La réalisation de cartographies et d’analyses de risques (fréquence-sévérité, risque crédit, risques climatiques extrêmes).
Le livre propose différents parcours de lecture, des conseils, exercices corrigés et outils d’évaluation. Une préparation aux tests de recrutement réalisés dans le secteur de la finance pour évaluer les compétences Python est également disponible.
Le lecteur dispose ainsi d’une véritable boîte à outils pour ses futures missions en entreprise.
• Pour chaque thème traité, un accès est offert aux fichiers de données et aux codes Python.
• Des QCM en fin de chapitre pour évaluer vos connaissances et préparer vos tests de recrutement dans le secteur de la finance.
Ce manuel, destiné aux étudiants en économie et gestion débutant sur Python, aux étudiants ingénieurs en spécialisation finance et plus largement à la formation continue, propose :
• Une introduction à Python et à son univers ;
• Les modèles d’évaluation du prix des options (Black et Scholes, crypto-options) ;
• Le traitement des données de marché (analyse technique, trading algorithmique, compteurs de vitesse et robots) ;
• Le traitement des données économiques, comptables et financières (big data, fragmentation des données, changement climatique, économie post-covid) ;
• La réalisation de cartographies et d’analyses de risques (fréquence-sévérité, risque crédit, risques climatiques extrêmes).
Le livre propose différents parcours de lecture, des conseils, exercices corrigés et outils d’évaluation. Une préparation aux tests de recrutement réalisés dans le secteur de la finance pour évaluer les compétences Python est également disponible.
Le lecteur dispose ainsi d’une véritable boîte à outils pour ses futures missions en entreprise.
• Pour chaque thème traité, un accès est offert aux fichiers de données et aux codes Python.
• Des QCM en fin de chapitre pour évaluer vos connaissances et préparer vos tests de recrutement dans le secteur de la finance.
Ressources disponibles (6)
Des ressources réservées aux enseignants ou acheteurs : J'accède aux ressourcesTable des matières
AVANT-PROPOS
Chapitre 1. POURQUOI PYTHON EST SI IMPORTANT
1. PYTHON, LANGAGE DE PROGRAMMATION
2. L’ÉCOSYSTÈME PYTHON
3. DEVENIR UTILISATEUR PYTHON
4. ÉLÉMENTS DE SYNTAXE PYTHON EN SITUATION CONCRÈTE
5. SE PRÉPARER AUX TESTS DE RECRUTEMENT DE PRÉSÉLECTION DU SECTEUR DE LA FINANCE
6. CONCLUSION – SYNTHÈSE DU RÉALISÉ
S’ENTRAINER
Chapitre 2. BLACK, SCHOLES ET PYTHON
1. LA RÉVOLUTION BLACK ET SCHOLES
2. DÉCOUVRIR LA SYNTAXE PYTHON POUR LE MODÈLE BLACK ET SCHOLES (1973)
3. CALL, PUT ET PREMIERS CODES
4. ET QUE FAIRE DES DIVIDENDES ?
5. LE MODÈLE UTILISÉ PAR LE LONDON METAL EXCHANGE
6. OPTIONS SUR CHANGE ET SUR CRYPTOMONNAIE
7. GÉNÉRALISONS POUR ALLER PLUS VITE
8. LES PARAMÈTRES GRECS
9. CONCLUSION – SYNTHÈSE DU RÉALISÉ
S’ENTRAINER
Chapitre 3. DONNÉES DE MARCHÉ, TRADING ALGORITHMIQUE ET TRAITEMENT DU SIGNAL-PRIX
1. ALGO-TRADING, FLASH CRASH ET DETTES SOUVERAINES
2. DÉCOUVRIR LES DONNÉES FINANCIÈRES ET À QUOI SERT PANDAS DATAREADER
3. MANIPULER LES DONNÉES DE MARCHÉ
4. CRÉER DES DATAFRAMES ET DES FENÊTRAGES
5. MESURER UNE VOLATILITÉ
6. UN PEU DE DATAVISUALISATION
7. TRAITER LE SIGNAL-PRIX AVEC UN ALGORITHME SIMPLE
8. CONCLUSION - SYNTHÈSE DU RÉALISÉ
S’ENTRAINER
Chapitre 4. DONNÉES ÉCONOMIQUES ET DE GESTION : TRAITEMENT, VISUALISATION ET ANALYSE
1. GUIDE DES BONNES PRATIQUES
2. COMMENT PANDAS STOCKE LA DONNÉE
3. WATERFALL CHARTS (DIAGRAMMES EN CASCADE)
4. MONITORING DE BASES DE DONNÉES CLIENTS : LE FLÉAU DE LA FRAGMENTATION
5. OBSERVER LE RÉCHAUFFEMENT CLIMATIQUE : LE CAS DE LA FINLANDE
6. BONHEUR ET COVID-19 : WORLD HAPPINESS REPORT
7. CONCLUSION - SYNTHÈSE DU RÉALISÉ
S’ENTRAINER
Chapitre 5. CARTOGRAPHIER LES RISQUES
1. DÉFINIR, CATÉGORISER ET SÉQUENCER LE RISQUE
2. ÉLABORER UNE MATRICE DES RISQUES
3. CARTOGRAPHIER DES RISQUES À L’AIDE DE PANDAS, SEABORN ET MATPLOTLIB
4. RISQUE CRÉDIT : LE CAS DE L’ALLEMAGNE
5. RISQUE DE CATASTROPHE NATURELLE : LES TSUNAMIS DANS LE MONDE
6. CONCLUSION - SYNTHÈSE DU RÉALISÉ
S’ENTRAINER
INDEX
LISTE DES ENCADRÉS
LISTE DES FIGURES
BIBLIOGRAPHIE SÉLECTIVE
SITOGRAPHIE
TABLE DES MATIÈRES
