A partir de cette page vous pouvez :
Retourner au premier Ă©cran avec les Ă©tagĂšres virtuelles... |
RĂ©sultat de la recherche
1 rĂ©sultat(s) recherche sur le mot-clĂ© 'Structuration indicielle, stratégies d’investissement, optimisation, données de marché, backtesting, MongoDB, Python, extreme programming.'
Affiner la recherche Faire une suggestion
Optimisation dâun Framework de calcul des indices propriĂ©taires et dĂ©veloppement dâun outil de backtesting / Khalid AMMARI
Titre : Optimisation dâun Framework de calcul des indices propriĂ©taires et dĂ©veloppement dâun outil de backtesting Type de document : projet fin Ă©tudes Auteurs : Khalid AMMARI, Auteur AnnĂ©e de publication : 2016 Langues : Français (fre) CatĂ©gories : GĂ©nie Logiciel Mots-clĂ©s : Structuration indicielle, stratĂ©gies dâinvestissement, optimisation, donnĂ©es de marchĂ©, backtesting, MongoDB, Python, extreme programming. Index. dĂ©cimale : 1666/16 RĂ©sumĂ© : Ce présent document représente la synthèse du travail effectué au sein de l’équipe de structuration indicielle de Société Générale Africa Technologies & Services dans le cadre de mon projet de fin d’études. Ce projet vise à optimiser un Framework de valorisation d’indices propriétaires, et de développer un outil de backtesting de stratégies d’investissement qui réutilise au maximum les méthodologies de calcul déjà implémentées dans le Framework.
Pour ce faire, il a fallu d’abord étudier le système existant, et développer des outils qui permettent d’analyser son fonctionnement afin de découvrir des pistes d’amélioration, et des outils pour s’assurer que toute modification ne causera pas de régressions. Nous avons ensuite exploré toutes les sources possibles de données de marché pouvant être utilisées dans le backtesting, et nous avons mis en place une base de données MongoDB pour le stockage de ces données, ainsi qu’un outil qui automatise leur récupération quotidienne. Puis, nous avons développé l’outil de backtesting qui contient tout ce qui est nécessaire pour faire des simulations : des classes pour le chargement des données, la gestion des calendriers, la récupération et la validation des paramètres, l’analyse des résultats, etc. Nous avons implémenté un ensemble de méthodologies de calcul, soit en réutilisant les classes qui existent déjà dans le Framework, soit à zéro pour challenger l’ancienne implémentation et éventuellement découvrir des possibilités d’optimisation.
Au terme de ce projet, nous avons commencé à présenter l’outil de backtesting à d’autres équipes et à demander leurs opinions, afin d’améliorer l’outil et couvrir la majorité des cas d’utilisation.
Etant de donné que Python est le langage de préférence au sein de l’équipe, nous l’avons utilisé dans la plus grande partie du projet. Et comme méthodologie de travail, nous avons adopté extreme programming principalement car elle est adaptée aux équipes réduites avec des besoins changeants.
Optimisation dâun Framework de calcul des indices propriĂ©taires et dĂ©veloppement dâun outil de backtesting [projet fin Ă©tudes] / Khalid AMMARI, Auteur . - 2016.
Langues : Français (fre)
CatĂ©gories : GĂ©nie Logiciel Mots-clĂ©s : Structuration indicielle, stratĂ©gies dâinvestissement, optimisation, donnĂ©es de marchĂ©, backtesting, MongoDB, Python, extreme programming. Index. dĂ©cimale : 1666/16 RĂ©sumĂ© : Ce présent document représente la synthèse du travail effectué au sein de l’équipe de structuration indicielle de Société Générale Africa Technologies & Services dans le cadre de mon projet de fin d’études. Ce projet vise à optimiser un Framework de valorisation d’indices propriétaires, et de développer un outil de backtesting de stratégies d’investissement qui réutilise au maximum les méthodologies de calcul déjà implémentées dans le Framework.
Pour ce faire, il a fallu d’abord étudier le système existant, et développer des outils qui permettent d’analyser son fonctionnement afin de découvrir des pistes d’amélioration, et des outils pour s’assurer que toute modification ne causera pas de régressions. Nous avons ensuite exploré toutes les sources possibles de données de marché pouvant être utilisées dans le backtesting, et nous avons mis en place une base de données MongoDB pour le stockage de ces données, ainsi qu’un outil qui automatise leur récupération quotidienne. Puis, nous avons développé l’outil de backtesting qui contient tout ce qui est nécessaire pour faire des simulations : des classes pour le chargement des données, la gestion des calendriers, la récupération et la validation des paramètres, l’analyse des résultats, etc. Nous avons implémenté un ensemble de méthodologies de calcul, soit en réutilisant les classes qui existent déjà dans le Framework, soit à zéro pour challenger l’ancienne implémentation et éventuellement découvrir des possibilités d’optimisation.
Au terme de ce projet, nous avons commencé à présenter l’outil de backtesting à d’autres équipes et à demander leurs opinions, afin d’améliorer l’outil et couvrir la majorité des cas d’utilisation.
Etant de donné que Python est le langage de préférence au sein de l’équipe, nous l’avons utilisé dans la plus grande partie du projet. Et comme méthodologie de travail, nous avons adopté extreme programming principalement car elle est adaptée aux équipes réduites avec des besoins changeants.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© 1666/16 1666/16 KHA Texte imprimé unité des PFE PFE/2016 Disponible