Algorithme de Trading sur les Produits Dérivés

Description

Ce projet vise à développer un algorithme de trading performant pour les produits dérivés, en intégrant des stratégies avancées telles que le Gamma Scalping, le Dispersion Trading et le Risk Reversal. L'algorithme est conçu pour s'adapter aux conditions de marché et optimiser l'exécution des ordres.

Fonctionnalités principales

• Stratégies de trading sur options (Gamma Scalping, Dispersion Trading, Risk Reversal)
• Modèles d'analyse du Gamma, Vega et sensibilités associées
• Algorithme adaptatif pour l'optimisation de l'exécution des ordres
• Environnement de backtesting pour évaluer la robustesse des stratégies

Structure du projet

• /src : Code source principal
• /data : Données de marché et résultats
• /notebooks : Notebooks Jupyter pour l'analyse et le développement
• /backtesting : Outils et résultats de backtesting
• /docs : Documentation du projet

Installation

# Cloner le dépôt
git clone https://github.com/Kyac99/options-trading-algorithm.git
cd options-trading-algorithm

# Installer les dépendances
pip install -r requirements.txt

Utilisation

Exécution d'un backtesting

Pour exécuter un backtesting d'une stratégie sur un symbole donné :

# Exécuter un backtesting de la stratégie Gamma Scalping sur SPX
python src/main.py --symbol SPX --strategy gamma_scalping --backtest

# Exécuter un backtesting de la stratégie Dispersion Trading sur NDX
python src/main.py --symbol NDX --strategy dispersion --backtest

# Exécuter un backtesting de la stratégie Risk Reversal sur RUT
python src/main.py --symbol RUT --strategy risk_reversal --backtest

Options disponibles :

• --symbol : Symbole du sous-jacent (ex: SPX, NDX, RUT)
• --strategy : Stratégie à utiliser (gamma_scalping, dispersion, risk_reversal)
• --backtest : Mode backtest (simulation historique)
• --log-level : Niveau de log (DEBUG, INFO, WARNING, ERROR)
• --log-file : Chemin vers le fichier de log
• --config : Chemin vers un fichier de configuration alternatif

Exécution en mode trading réel

Pour exécuter l'algorithme en mode trading réel :

# Exécuter la stratégie Gamma Scalping sur SPX en mode réel
python src/main.py --symbol SPX --strategy gamma_scalping

# Avec logging détaillé
python src/main.py --symbol SPX --strategy gamma_scalping --log-level DEBUG --log-file logs/trading.log

Analyse avec les notebooks

Pour analyser les résultats des backtests et comparer les stratégies, vous pouvez utiliser le script d'analyse :

# Lancer un notebook Jupyter
jupyter notebook notebooks/

# Ou exécuter directement le script d'analyse
python notebooks/strategy_analysis.py

Personnalisation de la configuration

Vous pouvez modifier les paramètres des stratégies et du backtesting dans le fichier config.py :

# Exemple de modification des paramètres de la stratégie Gamma Scalping
CONFIG['strategies']['gamma_scalping']['gamma_threshold'] = 0.03
CONFIG['strategies']['gamma_scalping']['position_size'] = 150

# Exemple de modification des paramètres de backtesting
CONFIG['backtest']['start_date'] = '2023-04-01'
CONFIG['backtest']['end_date'] = '2023-06-30'

Visualisation des résultats

Les résultats de backtesting sont sauvegardés dans le dossier results/ sous forme de fichiers JSON et de graphiques :

# Liste des résultats de backtesting
ls results/

# Visualiser les graphiques (en utilisant votre visionneuse d'images)
open results/equity_SPX_gamma_scalping_20250324_205541.png

Phases du projet

1. Définition des exigences et choix des stratégies
2. Développement du moteur de backtesting et implémentation de la stratégie
3. Optimisation et calibration de l'algorithme d'exécution
4. Tests en conditions réelles et validation des performances
5. Documentation et mise en production