Python dans le trading algorithmique

Python dans le trading algorithmique ressemble pour beaucoup de débutants à un obstacle élevé : celui qui veut utiliser StrategyQuant X pour construire des stratégies automatisées se demande tôt s'il doit savoir programmer pour cela. La réponse courte est non, car le cœur du logiciel est conçu pour la construction de stratégies sans code personnel. Il y a néanmoins plusieurs endroits dans le programme où la programmation, y compris avec Python, peut se greffer. Cet article montre ce que la voie no-code permet, où commence la couche de programmation optionnelle et comment un utilisateur emploie réellement Python en pratique.

Python dans le trading algorithmique : le cœur no-code d'abord

Selon un article de blog du fabricant, on peut construire des stratégies de trading avec StrategyQuant sans écrire une seule ligne de code. Le logiciel assemble des règles, des indicateurs et des briques que tu sélectionnes et combines via l'interface, au lieu de les programmer.

C'est une description issue du marketing du fabricant, pas une spécification technique vérifiée de manière indépendante. Elle ne dit rien sur la question de savoir si une stratégie ainsi construite finit par être positive, ni sur la question de savoir si des stratégies programmées se comportent en principe mieux ou moins bien que des stratégies construites en no-code. Pour les débutants, cela signifie surtout : tu peux commencer à construire tes propres stratégies sans apprendre au préalable un langage de programmation.

La couche de programmation : ce que l'éditeur de code offre en plus

Au-delà du cœur no-code, le fabricant documente trois endroits où une programmation personnelle peut se greffer : l'éditeur de code, l'interface Program et l'extension Custom Analysis.

L'éditeur de code regroupe plusieurs points d'entrée. Il y a notamment une API publique, le travail avec les Result Groups, l'ajout de tes propres indicateurs ou signaux, tes propres colonnes ou filtres de Databank, le logging ainsi que l'intégration de tes propres bibliothèques JAR et l'import ou l'export de tes propres indicateurs et snippets.

La dénomination exacte des différents éléments de menu peut varier d'une version du programme à l'autre. Important pour la classification : le Code Editor est une extension, pas une condition préalable. Tous les points d'entrée mentionnés ne sont pas immédiatement accessibles sans la moindre expérience en programmation, certains présupposent des connaissances de base en programmation.

Des exemples documentés de sessions de programmation montrent à quoi ce chemin peut servir : les optimisations et les backtests peuvent être déclenchés par code, de même que les backtests avec des tests de robustesse supplémentaires. Les paramètres de stratégie et la configuration d'une tâche peuvent aussi être modifiés via du code, et des données historiques peuvent être chargées dans ses propres snippets. Ce sont des exemples issus de flux de travail documentés, pas des étapes obligatoires pour chaque utilisateur, ni une liste complète de toutes les sessions de programmation possibles.

L'interface Program : les briques s'appellent mutuellement

Pour ses propres snippets ou plugins, le fabricant documente en outre une interface Program. Via celle-ci, une brique personnelle peut appeler des fonctionnalités d'autres plugins ou de la bibliothèque intégrée du programme, généralement en récupérant d'abord l'interface appropriée, puis en appelant une méthode avec les paramètres nécessaires.

Cette interface fait partie de l'API interne destinée au développement personnel et s'adresse à quelqu'un qui programme déjà. Ce n'est pas une fonctionnalité pour débutants qui serait utilisable sans expérience en programmation.

Custom Analysis : brancher ses propres calculs et des scripts externes

Une autre extension documentée s'appelle Custom Analysis. Elle permet d'appliquer ses propres calculs ou filtres sur des stratégies générées, retestées ou optimisées, et aussi sur des databanks entières. Cela inclut la possibilité d'appeler des programmes ou des scripts externes, par exemple Python.

Custom Analysis est un point d'extension du module correspondant. Une interaction avec Python est donc possible, mais cette connexion ne fournit pas automatiquement de meilleures stratégies. Que tu l'utilises ou non, et comment, cela reste ton choix.

Un exemple pratique : à quoi un utilisateur recourt réellement avec Python

La façon dont cela peut se présenter en pratique est décrite par un auteur dans sa propre contribution. Il utilise Python en plus de StrategyQuant pour plusieurs tâches : pour l'analyse de bases de données de résultats, pour ses propres scripts dans un flux de travail analytique, pour l'utilisation de la ligne de commande SQX, pour la décorrélation de stratégies, pour le recours au machine learning et pour extraire des règles de stratégies existantes afin d'en construire de nouveaux blocs personnels.

C'est le flux de travail d'une personne isolée, pas une liste officielle des fonctions du fabricant et pas une voie que chaque utilisateur doit reproduire.

Une série de vidéos comme point d'entrée

Si tu veux travailler les bases, tu trouves un point de départ dans un article de blog du fabricant : il y décrit un cours vidéo continu, mis à disposition sous forme de playlist, qui traite de la construction de stratégies pour les marchés du forex, des futures et des actions.

Là aussi, c'est une description tirée d'un article de blog. Le contenu et la disponibilité de la playlist peuvent changer avec le temps. Un tel cours ne remplace pas ta propre vérification des résultats et n'est pas une promesse que tu traderas automatiquement avec succès ensuite.

Ce que cette comparaison ne montre pas

Cet article ne compare pas si une stratégie étendue avec Python finit par être plus positive qu'une stratégie créée exclusivement avec le constructeur no-code. Il ne s'agit pas non plus ici de savoir quelle voie est la meilleure. Il s'agit de savoir quels outils sont à ta disposition, et la décision pour ou contre la programmation t'appartient, pas au logiciel.

Avec ou sans code personnel : chaque résultat de backtest ou d'optimisation qui en ressort décrit exclusivement des données passées. Il ne permet aucune affirmation sur le comportement futur d'une stratégie.

Cet article a une visée éducative et ne constitue pas un conseil en investissement. Les résultats passés, y compris ceux des backtests, ne garantissent pas les résultats futurs. Négocier des instruments financiers comporte des risques et tu peux perdre de l'argent.