MODELISATION COURS RISQUE
7 chapitres · 65 leçons
≈ 16 h
Attestation de suivi
Réglable par votre employeur, sur devis et facture
Créez votre compte gratuit
20 leçons sont ouvertes, sans carte bancaire.
Créer mon compte
J’ai déjà un compte
Vos données sont hébergées dans l'Union européenne. Confidentialité
Description
Comment se déroule le cours
Chaque leçon est un texte structuré, illustré d’exemples et de schémas, suivi d’un quiz corrigé automatiquement. Vous avancez à votre rythme, et vos notes restent attachées à la leçon où vous les avez prises.
Ce format vous convient ?
Voir la première leçon20 leçons ouvertes, sans carte bancaire.
Programme
7 chapitres, 65 leçons
- 1. Qu'est-ce qu'une série temporelle financièreouvert
- 1. Les quatre composantes d'une sérieouvert
- 1. Charger des données boursières avec Pythonouvert
- 1. Visualiser la tendance d'un indice boursierouvert
- 1. Décomposer une série avec seasonal_decomposeouvert
- 1. Détecter la saisonnalité par l'ACFouvert
- 1. Identifier les sources d'autocorrélationouvert
- 1. Calculer l'ACF en Python avec statsmodelsouvert
- 1. Cyclicité et résidu : différences clésouvert
- 1. Préparer un jeu de données pour la modélisationouvert
- 2. Qu'est-ce qu'un processus MA ?ouvert
- 2. Préparer les données pour un modèle MAouvert
- 2. Lire l'ACF pour choisir l'ordre qouvert
- 2. Fenêtre courte ou longue : quel impact ?ouvert
- 2. Ajuster un modèle MA avec statsmodelsouvert
- 2. Dualité AR-MA et représentation infinieouvert
- 2. Comparer les prédictions MA sur deux actifsouvert
- 2. Sélectionner l'ordre q par AICouvert
- 2. Sources d'autocorrélation dans les séries financièresouvert
- 2. Limites du modèle MA et pistes d'améliorationouvert
- 3. Formuler un processus AR(p)abonnés
- 3. Dualité AR-MA et représentation infinieabonnés
- 3. Lire la PACF pour choisir l'ordre ARabonnés
- 3. Ajuster AutoReg sur données boursièresabonnés
- 3. Préparer les données avant l'ajustement ARabonnés
- 3. Produire des prévisions hors échantillonabonnés
- 3. Comparer les prévisions AR et MAabonnés
- 3. Condition de stationnarité du processus ARabonnés
- 3. Utiliser l'AIC pour sélectionner l'ordre ARabonnés
- 3. Interpréter et critiquer les résultats ARabonnés
- 4. Détecter la non-stationnarité visuellementabonnés
- 4. Interpréter l'ACF pour diagnostiquerabonnés
- 4. Appliquer le test ADF en Pythonabonnés
- 4. Stationnariser par différenciationabonnés
- 4. Détecter et supprimer la saisonnalitéabonnés
- 4. Valider la désaisonnalisation par ACF/PACFabonnés
- 4. Découper les données train/testabonnés
- 4. Comprendre les critères AIC et BICabonnés
- 4. Construire une grille de recherche ARIMAabonnés
- 4. Vérifier la stationnarité après transformationabonnés
- 5. Définir l'autocorrélation et ses causesabonnés
- 5. Tracer l'ACF avec Pythonabonnés
- 5. Détecter la saisonnalité via l'ACFabonnés
- 5. Distinguer cyclicité et saisonnalité dans l'ACFabonnés
- 5. Interpréter une ACF à décroissance lenteabonnés
- 5. Introduire la PACF et la dualité AR-MAabonnés
- 5. Lire la PACF pour identifier un ordre ARabonnés
- 5. Relier les motifs ACF aux structures MAabonnés
- 5. Sélectionner l'ordre optimal avec AIC et BICabonnés
- 5. Valider la désaisonnalisation par ACF/PACFabonnés
- 6. ARIMA : intuition et paramètresabonnés
- 6. Formuler un processus ARIMA(p,d,q)abonnés
- 6. Stationnariser avant d'ajusterabonnés
- 6. Ajuster ARIMA avec statsmodelsabonnés
- 6. Prévisions hors échantillonabonnés
- 6. Sélectionner les ordres par AICabonnés
- 6. Interpréter AIC et BICabonnés
- 6. Avantages et limites d'ARIMAabonnés
- 6. Comparer ARIMA à AR et MAabonnés
- 6. Pipeline ARIMA de bout en boutabonnés
Ce qui est inclus
Tout ce qui accompagne les leçons
65 leçonsIllustrées d’exemples et de schémas.
Quiz à chaque leçonCorrigés aussitôt ; seul votre meilleur score compte.
Vos notesPrises dans les leçons, retrouvées par section.
Questions du coursPosez-les dans la leçon : l’équipe et les apprenants répondent.
Suivi de progressionPar section, avec vos résultats aux quiz.
Attestation vérifiableNominative, avec un code unique.
Rythme
Combien de temps, selon votre disponibilité
Je peux y consacrer, par semaine :
Attestation
Ce que vous obtenez à la fin
ATTESTATION DE RÉUSSITEMODELISATION COURS RISQUEdélivrée à votre nom
Code uniqueVérifiable en ligne
Quand le cours est terminé, l’attestation est délivrée à votre nom. Son code permet à un recruteur de la vérifier en quelques secondes.
Ce n’est pas un diplôme ni une certification professionnelle ; c’est la preuve vérifiable que vous avez suivi et réussi ce cours.
Auteur
Qui écrit ce cours
ÉQ
Équipe DATAGOZ
Formateur · DATAGOZ
Une pédagogie claire et appliquée, avec des exemples concrets pour apprendre efficacement.
Questions
Avant de commencer
Aucun prérequis : le cours part des bases.
Tant que votre abonnement est actif. Si vous l’arrêtez, votre progression et vos attestations restent conservées.
Une attestation de suivi DATAGOZ, nominative et vérifiable en ligne par son code. Ce n’est pas un diplôme.
Accessibilité. Vous êtes en situation de handicap ? Écrivez à contact@datagoz.com : nous étudions avec vous les adaptations possibles.
Commencez ce cours aujourd'hui
20 leçons ouvertes, sans carte bancaire. Vous verrez le niveau et le ton avant de décider.