TÉMOIGNAGE : « Cinq choses que vous devez savoir à propos de R quand vous codez dans la finance »
Je suis un grand fan de la programmation en Python pour la finance. Cependant, je dois admettre (peut-être à contrecœur) que bon nombre des outils utiles pour la finance que j'utilise dans Python sont basés sur des idées empruntées à R.
Si vous utilisez R pour la finance ou la science des données, plus largement quels outils et quels packages R à connaître ?
Ce n’est pas vraiment un package basique, mais plutôt un ensemble de packages utiles pour la finance, mais aussi plus généralement pour la datascience, un peu comme la pile SciPy chez Python. Parmi ceux-ci, ggplot2 est probablement le plus connu, ce qui vous permet de visualiser les données de manière déclarative. Il crée également de superbes plots sans manipuler tous les paramètres.
Il y a aussi dplyr qui vous aide à départager les données et tidyr pour ranger vos données sous une forme cohérente. Pour ingérer des données à partir de fichiers CSV et d’ensembles de données similaires, il existe readr. Il y a aussi purrr qui vous permet d’utiliser une programmation fonctionnelle comme des constructions.
xts (et zoo)
Dans la finance, nous traitons souvent des séries chronologiques, qui consistent souvent en des données de pricing. Par conséquent, disposer d'un moyen facile à utiliser pour manipuler et traiter les séries chronologiques est essentiel pour la plupart des analyses financières.
Le package xts est une extension du package zoo time series qui vous aide à créer des objets xts qui ressemblent à des matrices R normales mais ont également une composante temporelle. Nous pouvons ensuite effectuer des opérations sur les séries chronologiques, comme assembler différentes séries, les additionner et les soustraire, remplir les valeurs manquantes, les retarder, etc.
Supposons que vous souhaitiez backtester une stratégie de trading. Cela implique généralement de nombreuses étapes, notamment le chargement de données de marché, la construction d'un signal, puis le calcul des rendements. Enfin, nous voulons afficher les résultats pour l'utilisateur. La plupart de ces étapes sont assez répétitives, la principale différence étant la manière dont vous générez le signal et ce que vous souhaitez rechercher.
quantmod effectue une grande partie des parties répétitives du backtest, vous permettant de vous concentrer sur le bit «amusant», qui génère les signaux de trading réels. Vous pouvez utiliser quantmod avec TTR, qui implémente de nombreux indicateurs techniques et règlements de trading associés.
Sous le capot, tidyquant repose sur plusieurs packages différents, en premier lieu pour les séries chronologiques zoo et xts. Elle englobe également quantmod, TTR et PerformanceAnalysis. tidyquant facilite l'utilisation de ces paquets avec tidyverse.
Tout le monde ne veut pas coder ! Comment autoriser les non-codeurs à accéder à vos scripts R ? Shiny vous permet de créer des tableaux de bord Web qui se connectent à votre code R, sans avoir besoin de nombreuses compétences en développement Web, telles que JavaScript. C’est jusqu’à récemment que Python tournait avec Dash, qui tente d’imiter l’approche de Shiny.
R est toujours très populaire en finance et peut être utilisé dans de nombreuses situations. Si vous souhaitez obtenir une bonne introduction à l’utilisation de R en finance, je vous recommande le nouveau livre Reproductible Finance with R de Jonathan Regenstein, qui traite des packages ci-dessus de manière beaucoup plus détaillée, avec quelques exemples financiers spécifiques.
Saeed Amen est un trader de devises systématiques, gérant depuis 2013 un prop’ trading book G10 FX. Il a développé des stratégies de trading systématique au sein de grandes banques d'investissement telles que Lehman Brothers et Nomura, et dirige Cuemacro, une société de conseil et de recherche spécialisée dans le trading systématique.
Vous avez un scoop, une anecdote, un conseil ou un commentaire que vous aimeriez partager ? Contact : tiochem@efinancialcareers.com
