Description

Ce projet fournit une boîte à outils puissante pour l'analyse statistique des marchés financiers, en particulier des cryptomonnaies. Il permet d'étudier les relations entre différents actifs à travers une variété de méthodes statistiques avancées.

Le framework est conçu pour être :

• Évolutif : Facilement extensible avec de nouveaux tests statistiques
• Performant : Optimisé avec mise en cache et parallelisation
• Intuitif : API simple pour l'analyse de données financières

Fonctionnalités Principales

Récupération et Gestion des Données

• ✅ Collecte de données via l'API Binance avec ccxt
• ✅ Stockage optimisé au format feather
• ✅ Prétraitement automatique des séries temporelles

Tests Statistiques

• ✅ Corrélation : Pearson, Spearman, Kendall
• ✅ Tests de Cointégration : Engle-Granger, Johansen
• ✅ Transfert d'Entropie : Mesure des influences directionnelles
• ✅ Tests de Stationnarité : ADF, KPSS
• ✅ Tests de Causalité : Granger
• 🔜 Nouveaux tests prévus à venir

Visualisation

• ✅ Matrices de corrélation
• ✅ Heatmaps de cointégration
• ✅ Graphiques de paires cointégrées
• ✅ Visualisation du transfert d'entropie

Structure du Projet

entropy_transfer/
│
├── data_manager.py     # Gestion des données
├── stats_test.py       # Tests statistiques et analyses
├── entropie.py         # Calculs de transfert d'entropie
├── requirements.txt    # Dépendances
└── test.py             # Tests et démonstrations

Installation

1️⃣ Cloner le projet

git clone https://github.com/John-The-Reaper/entropy_transfer.git
cd entropy_transfer

2️⃣ Installer les dépendances

pip install -r requirements.txt

Utilisation

Récupération des données

from data_manager import DataManagerCrypto

manager = DataManagerCrypto()
data = manager.fetch_historical_data("BTC/USDT", "1h", start_ts, end_ts)

Analyse statistique

from stats_test import StatisticalAnalysis

# Initialiser avec mise en cache
stats = StatisticalAnalysis(cache_dir="./cache")

# Tests de corrélation
correlation = stats.calculate_correlation(series1, series2)

# Test de cointégration
coint_result = stats.test_cointegration(series1, series2)

# Transfert d'entropie
te_results = stats.transfer_entropy(series1, series2, lags_range=100)

Visualisation des résultats

# Créer une heatmap de cointégration
create_cointegration_heatmap(results_df, symbols, "results_folder", "1h")

# Tracer des paires cointégrées
plot_cointegrated_pair("BTC/USDT", "ETH/USDT", "results_folder", "1h", "2023-01-01", "2023-06-01")

Développements Futurs

Le module de tests statistiques (stats_test.py) est conçu pour être étendu avec de nouveaux tests et méthodes :

• 🔜 Tests de rupture structurelle
• 🔜 Modèles ARCH/GARCH pour la volatilité
• 🔜 Tests de cointégration non-linéaire
• 🔜 Méthodes de machine learning pour la détection de relations
• 🔜 Optimisation pour les grands ensembles de données

Contributeurs

👤 John-The-Reaper - Développeur principal
👤 Jimmy7892 - Optimisation des performances et nouvelles fonctionnalités

Licence

Ce projet est disponible sous licence MIT.