Des exemples de scripts pour analyser les marchés, tester des indicateurs et explorer les données financières avec TradingInPython.
Cette bibliothèque rassemble des scripts que vous pouvez exécuter depuis le Script Runner de la plateforme, étudier et adapter à vos propres besoins.
Vous découvrez les scripts personnalisés ? Commencez par
use_api.pypour comprendre comment un script peut exploiter les données transmises par TradingInPython.
Le Script Runner peut transmettre à un script des informations telles que :
- le symbole et le nom de l'action sélectionnée ;
- les données de marché récupérées par le fournisseur de données ;
- une liste de tickers.
Ces informations sont accessibles via l'API de la plateforme (api.py). Les paramètres disponibles et leur utilisation sont illustrés dans le script use_api.py.
Pour aller plus loin : Documentation - Interpréteur de scripts Python
Algorithme de détection des niveaux de Supports et de Résistances dynamiques guidée par le profil de volume. Les supports et les résistances occupent une place importante dans l'analyse technique des marchés financiers.
➡️ support-resistance-levels.py
📚 Documentation : Comment détecter les supports et les résistances dynamiques avec Python ?
Un indicateur de tendance fondé sur l'ATR (Average True Range). Il aide à visualiser la direction de la tendance et ses retournements potentiels.
Le script utilise super_trend() de digitsignalprocessing.indicators et affiche le cours de clôture avec le SuperTrend :
- Tendance haussière ou baissière : le tracé s'adapte à la direction détectée,
- Retournement haussier : marqueur
▲, - Retournement baissier : marqueur
▼.
Paramètres de l'exemple : ATR Period = 10 et Multiplier = 2.0.
Le script peut être lancé depuis le Script Runner avec les paramètres ticker, period et interval. Il propose également un exemple autonome utilisant yfinance sur le titre NVDA, avec six mois de données journalières.
Ce script peut servir de point de départ pour étudier un filtre de tendance, des retournements ou des signaux d'entrée et de sortie.
Une stratégie qui combine plusieurs éléments d'analyse technique :
- un Cloud BSI, construit à partir de deux EMA ;
- un Stop BSI, fondé sur un ATR Trailing Stop ;
- une synergie destinée à rechercher un alignement entre le court et le moyen terme ;
- deux histogrammes pour distinguer les dynamiques de momentum court terme (CT) et moyen terme (MT).
➡️ strategy-bull-bear-strengh-index.py
📚 Lire l'article : Bull/Bear Strength Index - Python Trading Strategy
Un exemple de filtre pour rechercher des actions dont la hausse s'accompagne d'une dynamique de volume intéressante.
➡️ strong-growth.py
📚 Lire l'article : Filtre Strong Growth - détecter une hausse soutenue par les volumes avec Python
Ces scripts montrent comment exploiter des séries de la Federal Reserve Bank of St. Louis (FRED) pour construire des indices économiques.
Une clé API FRED est nécessaire pour faire fonctionner les scripts de cette section. Créer ou récupérer une clé API FRED.
Ajoutez ensuite votre clé dans le fichier de configuration :
C:\Users\<Nom d'utilisateur>\AppData\Local\TradingInPython\config\.env
avec la ligne suivante :
FRED_API_KEY=xxxRemplacez xxx par votre propre clé.
| Script | Objectif |
|---|---|
indice-fred-eurozone.py |
Construire un indice économique pour la zone euro. |
indice-fred-france.py |
Construire un indice économique pour la France. |
macro_indice_engine.py |
Généraliser la construction d'indices économiques à partir d'une configuration. |
Dans macro_indice_engine.py, la configuration utilisée dans l'exemple est importée ici :
from macro_indices.france import INDEX_CONFIGVous pouvez adapter cette configuration pour explorer un autre ensemble de données.
📚 Lire l'article : Comment construire un indice économique
Ces exemples explorent différentes approches d'analyse financière et de recherche sur les marchés.
| Script | Description |
|---|---|
evaluation-PER-000.py |
Étudier le bénéfice par action (EPS) et calculer un PER (Price/Earnings Ratio) en le comparant au marché. |
dataroma-buffett-000.py |
Explorer les positions attribuées à Berkshire Hathaway sur le site Dataroma. |
juste-valeur-FCF.py |
Estimer une juste valeur à partir de projections de Free Cash Flow (FCF). |
indice-market-000.py |
Comparer des indices boursiers, avec un exemple autour du S&P 500. |
greenblatt-000.py |
Explorer la Magic Formula de Joel Greenblatt. |
market-calendar-000.py |
Consulter un calendrier des jours d'ouverture des marchés boursiers. |
Un exemple d'agent reposant sur un MLP (Multi-Layer Perceptron) avec Keras et le backend JAX, appliqué au trading technique.
➡️ agent_ia.py
Les exemples de cette bibliothèque peuvent vous aider à découvrir les possibilités offertes par Python dans TradingInPython, puis à développer vos propres analyses.
- Consultez
use_api.pypour comprendre comment accéder aux données transmises par la plateforme. - Choisissez un script proche de votre besoin et étudiez son fonctionnement.
- Adaptez-le progressivement à votre approche et aux bibliothèques disponibles dans votre environnement.
- Consultez la documentation du Script Runner pour les modalités d'exécution.
⭐ Vous trouvez ces scripts utiles ? Pensez à ajouter une étoile au projet PyTrading sur GitHub pour suivre ses évolutions.
Ces scripts sont fournis à titre d'exemple, en l'état. Les sources de données, les API ou les bibliothèques utilisées peuvent évoluer, certains scripts peuvent donc nécessiter des adaptations pour continuer à fonctionner.
Ils sont proposés à des fins d'exploration et de développement. Ils ne constituent pas des recommandations d'achat ou de vente.