Langue : Français. Choisir une langue
Commencer

Apprendre / Bibliothèque

Cours

Développeur-trader

Analystes qui écrivent du code et veulent construire, tester et documenter des règles et des modèles fondés sur les données.

Traitez les données de marché en code, étendez les règles avec des nœuds de code, validez les études d’apprentissage automatique sans fuite de données et exécutez votre propre modèle dans une stratégie.

Nouveau sur les marchés ? Commencez par le parcours Commencer ici en premier.

Commencez ici

What a backtest can prove, and what it can't

A backtest shows how a precisely defined rule would have behaved on past data under stated assumptions. It cannot show the rule will behave that way again.

Dans l’application : Tests quantitatifs (en développement)

Fondements

  1. 1

    Exchanges, brokers and data feeds: who does what

    Who supplies the data your code reads.

    • Débutant
    • Guide visuel
    • 3 min
    • Bientôt disponible
  2. 2

    Where market data comes from

    Where market data comes from.

    • Débutant
    • Explication
    • 3 min
    • Bientôt disponible
  3. 3

    Data quality: gaps, spikes and duplicates

    Data faults code must catch.

    • Débutant
    • Guide visuel
    • 3 min
    • Bientôt disponible
  4. 4

    Discretionary vs rules-based research

    Rules versus judgement.

    • Débutant
    • Explication
    • 3 min
    • Bientôt disponible
  5. 5

    From idea to tested rule

    From idea to testable rule.

    • Débutant
    • Explication
    • 3 min
    • Bientôt disponible
  6. 6

    Anatomy of a rule: entry, exit, size, filter

    Parts of a rule.

    • Débutant
    • Guide visuel
    • 3 min
    • Bientôt disponible
  7. 7

    Your first visual strategy graph

    Visual graph that code nodes extend.

    • Débutant
    • Méthode de recherche
    • 5 min
    • Bientôt disponible
  8. 8

    What a backtest can prove, and what it can't

    Limits of backtests.

    • Débutant
    • Explication
    • 3 min
  9. 9

    Your first backtest, step by step

    First backtest run.

    • Débutant
    • Méthode de recherche
    • 5 min
    • Bientôt disponible
  10. 10

    Reading a backtest report: metrics that matter

    Reading the report.

    • Débutant
    • Guide visuel
    • 3 min
    • Bientôt disponible
  11. 11

    Returns: simple, log and percentage points

    Returns, the first calculation in code.

    • Débutant
    • Explication
    • 3 min
    • Bientôt disponible
  12. 12

    Standard deviation: volatility as a number

    Volatility as a number.

    • Débutant
    • Guide visuel
    • 3 min
    • Bientôt disponible
  13. 13

    Correlation without the confusion

    Correlation before regression.

    • Débutant
    • Guide visuel
    • 3 min
    • Bientôt disponible

Essentiel

  1. 14

    Python for market data: your first script

    First Python script on market data.

    • Intermédiaire
    • Méthode de recherche
    • 5 min
    • Bientôt disponible
  2. 15

    Python for analysts cheat sheet

    Python operations cheat sheet.

    • Intermédiaire
    • Aide-mémoire
    • 2 min
    • Bientôt disponible
  3. 16

    Build a custom indicator in code

    Custom indicator verified by hand.

    • Intermédiaire
    • Méthode de recherche
    • 5 min
    • Bientôt disponible
  4. 17

    Code nodes: when visual logic isn't enough

    Code nodes inside a graph.

    • Intermédiaire
    • Méthode de recherche
    • 5 min
    • Bientôt disponible
  5. 18

    Rule playground: wire a rule, see the signals

    Interactive rule playground.

    • Intermédiaire
    • Outil interactif
    • 3 min
    • Bientôt disponible
  6. 19

    Regression basics: lines through noisy data

    Regression before ML.

    • Intermédiaire
    • Guide visuel
    • 3 min
    • Bientôt disponible
  7. 20

    Machine learning for markets: what it can and can't do

    What ML can and cannot do.

    • Intermédiaire
    • Explication
    • 5 min
    • Bientôt disponible
  8. 21

    Features and labels: framing an ML question

    Framing features and labels.

    • Intermédiaire
    • Explication
    • 5 min
    • Bientôt disponible
  9. 22

    Look-ahead bias: the backtest that read tomorrow

    Look-ahead bias, the root of leakage.

    • Intermédiaire
    • Explication
    • 5 min
    • Bientôt disponible
  10. 23

    Overfitting in one picture

    Overfitting in one picture.

    • Intermédiaire
    • Guide visuel
    • 3 min
    • Bientôt disponible
  11. 24

    In-sample vs out-of-sample

    In-sample versus out-of-sample.

    • Intermédiaire
    • Guide visuel
    • 3 min
    • Bientôt disponible
  12. 25

    Leakage: how ML studies accidentally cheat

    Leakage in ML studies.

    • Intermédiaire
    • Explication
    • 5 min
    • Bientôt disponible

Avancé

  1. 26

    Time-series cross-validation done right

    Time-series cross-validation.

    • Avancé
    • Guide visuel
    • 4 min
    • Bientôt disponible
  2. 27

    Trees and boosting on tabular market data

    Tree models and tuning risk.

    • Avancé
    • Explication
    • 6 min
    • Bientôt disponible
  3. 28

    Export a model to ONNX for on-device inference

    Export and verify a model.

    • Avancé
    • Méthode de recherche
    • 6 min
    • Bientôt disponible
  4. 29
    Projet final

    Use your own ML model inside a strategy graph

    Capstone recipe: your own model in a strategy graph.

    • Avancé
    • Méthode de recherche
    • 6 min
    • Bientôt disponible
Lecture facultative : 9
  • Time zones and session boundaries in data
  • JavaScript in the research workspace
  • Pandas time-series essentials for analysts
  • Code as a transparent calculation aid
  • Checking an AI-generated indicator formula
  • Model cards: document a model before you use it
  • Reproducible notebooks and environments
  • Spot the leak: an ML study quiz
  • Why a node graph

Dans l’application

Les fonctionnalités Analess les plus utilisées dans ces leçons. Leur disponibilité est indiquée sur la page de chaque fonctionnalité.