Scribd
Importer
23 vues4 pages

Reglin

Transféré par

Foaud Azar
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
23 vues4 pages

Reglin

Transféré par

Foaud Azar
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
Vous êtes sur la page 1/ 4

Cours : Régression Linéaire Appliquée au Cours d'une

Action avec l'API YahooFinance et l'Analyse des Écarts

Types

October 28, 2024

Introduction à la Régression Linéaire

La régression linéaire est une méthode statistique qui permet de modéliser la relation entre deux
variables. Dans le cas de la régression linéaire simple, on prédit une variable dépendante
(cible) en fonction d'une seule variable indépendante (expliquant). Dans ce cours, notre objectif
est de prédire le cours d'une action en fonction du temps.

Pourquoi utiliser la régression linéaire ?


1. Compréhension de la Relation entre Variables : La régression linéaire aide à mod-
éliser comment une variable dépend d'une autre. Par exemple, comment le cours d'une
action évolue en fonction du temps.
2. Prédictions : Grâce à la droite de régression, on peut estimer des valeurs futures de la
variable cible (comme le cours d'une action).
3. Analyse de Tendances : La pente de la droite indique la tendance générale du cours,
ce qui peut être utile pour évaluer la performance future.

Ce que vous allez apprendre


Dans ce cours, vous apprendrez à :
ˆ Manipuler et préparer des données nancières avec Python.

ˆ Visualiser les données pour observer des tendances.

ˆ Appliquer une régression linéaire pour obtenir un modèle de prévision.

ˆ Utiliser l'API YahooFinance pour importer des données boursières directement dans votre
projet.
ˆ Analyser la volatilité du cours en ajoutant les 3 écarts types autour de la moyenne.

1
1 Utilisation de l'API YahooFinance pour Importer des

Données

YahooFinance propose une API qui permet d'accéder facilement aux données de nombreuses
actions, indices et autres actifs nanciers. Cette API sera essentielle pour alimenter votre
modèle de régression avec des données réelles.

Étapes pour Intégrer YahooFinance dans votre Projet


1. Installation de la Bibliothèque : La bibliothèque yfinance est nécessaire pour in-
teragir avec l'API YahooFinance. Elle permet de télécharger directement les données
historiques des actions.
2. Choix de l'Actif Financier : Identiez le symbole boursier de l'action que vous
souhaitez analyser (par exemple, AAPL pour Apple, TSLA pour Tesla, MSFT pour Microsoft).
3. Téléchargement des Données : Avec yfinance, vous pouvez spécier une période
(par exemple, les deux dernières années) et la fréquence des données (quotidienne, hebdo-
madaire, mensuelle). Vous obtiendrez des données comme le prix de clôture et le volume
des échanges.
4. Préparation des Données pour la Régression Linéaire :
ˆ Sélection des Colonnes : Pour une régression linéaire temporelle, vous utiliserez
généralement le prix de clôture comme variable dépendante et le temps (jours)
comme variable indépendante.
ˆ Conversion des Dates : Convertissez les dates en format numérique pour pouvoir
les utiliser dans votre modèle de régression.

Conseils pour la Préparation des Données


ˆ Manipulation avec Pandas : Utilisez la bibliothèque Pandas pour structurer les don-
nées. Par exemple, créez une colonne représentant le numéro de jour pour chaque ligne
(ce sera votre variable indépendante).
ˆ Vérication des Données Manquantes : Parfois, certaines dates manquent dans
les données (jours fériés ou week-ends). Décidez si vous souhaitez interpoler les valeurs
manquantes ou les ignorer.
ˆ Visualisation Initiale : Avant de faire la régression, visualisez le prix de clôture au l
du temps pour observer les tendances potentielles.

2 Implémentation de la Régression Linéaire

1. Séparation des Variables : Dénissez votre variable indépendante X (qui sera le temps)
et votre variable dépendante y (le prix de clôture).
2. Entraînement du Modèle : Utilisez Scikit-learn pour ajuster une droite de régres-
sion sur les données d'entraînement.
3. Interprétation des Résultats :

2
ˆ La pente (ou coecient) indique la variation moyenne du prix par jour.
ˆ L'ordonnée à l'origine indique la valeur de l'action au jour zéro.
ˆ Le score R2 mesure l'ajustement du modèle aux données.

3 Visualisation et Évaluation du Modèle

1. Graphique de la Droite de Régression : Achez la droite de régression en superpo-


sition avec les données de prix pour visualiser la tendance calculée.
2. Calcul des Erreurs : Calculez des métriques comme l'erreur absolue moyenne (MAE) et
l'erreur quadratique moyenne racine (RMSE) pour juger de la précision des prédictions.

4 Analyse des 3 Écarts Types pour Évaluer la Volatilité

Introduction aux Écarts Types


L'écart type est une mesure statistique qui exprime la dispersion des valeurs autour de leur
moyenne. En nance, l'écart type est couramment utilisé pour mesurer la volatilité : plus
l'écart type est élevé, plus les variations de prix sont importantes autour de la moyenne, indi-
quant une volatilité plus grande.
Les 3 niveaux d'écart type permettent de situer les valeurs observées dans des plages de
probabilité :
ˆ 1 écart type (µ±σ ) : Environ 68% des valeurs sont attendues dans cet intervalle autour
de la moyenne.
ˆ 2 écarts types (µ ± 2σ ) : Environ 95% des valeurs se situent dans cet intervalle.

ˆ 3 écarts types (µ ± 3σ ) : Environ 99.7% des valeurs sont attendues dans cet intervalle.

Étapes pour Tracer les 3 Écarts Types autour de la Moyenne


La droite de régression que vous avez obtenue représente la tendance moyenne des prix. Main-
tenant, pour visualiser la volatilité autour de cette tendance, vous allez ajouter les bandes
correspondant aux écarts types autour de cette moyenne.

1. Calcul des 3 Niveaux d'Écart Type :


ˆ Utilisez l'écart type calculé sur les données de prix de clôture.
ˆ Dénissez les intervalles de 1, 2, et 3 écarts types autour de la moyenne obtenue par
la régression :
 1 écart type (µ ± σ )
 2 écarts types (µ ± 2σ )
 3 écarts types (µ ± 3σ )
2. Traçage des Bandes d'Écart Type :
ˆ Ajoutez ces bandes autour de la droite de régression sur le graphique pour voir les
zones où les prix uctuent fréquemment (1 écart type) et celles où ils sont plus rares
(2 et 3 écarts types).

3
Interprétation
ˆ Si le prix de clôture oscille au-delà des 2 ou 3 écarts types, cela peut indiquer une volatilité
inhabituelle.
ˆ Les points situés en dehors de 3 écarts types sont rares et peuvent signaler des événements
ou changements signicatifs dans le marché.

Résumé et Points Clés

En suivant ce cours, vous êtes capables de :


ˆ Utiliser l'API YahooFinance pour importer des données nancières de manière autonome.

ˆ Préparer les données pour une analyse de régression linéaire.

ˆ Appliquer un modèle de régression linéaire pour observer des tendances et faire des pré-
dictions.
ˆ Évaluer et interpréter les résultats pour comprendre la performance d'une action sur la
base de données historiques.
ˆ Mesurer la volatilité avec l'analyse des 3 écarts types, ce qui permet d'identier des
uctuations importantes autour de la moyenne.
L'analyse des écarts types apporte une perspective plus nuancée à la régression linéaire, en
intégrant la notion de volatilité et de risque. Vous disposez maintenant d'un cadre d'analyse
approfondi pour évaluer les tendances et les variations autour de la moyenne dans un contexte
nancier, enrichissant ainsi votre compréhension des uctuations d'une action.

Vous aimerez peut-être aussi