Trading Quantitatif et Basket Trading : Le Guide Ultime pour les Investisseurs Particuliers [2025]

import pandas as pd
import yfinance as yf
import numpy as np
from datetime import datetime, timedelta

# Définir le basket (CAC 40 - exemple simplifié)
CAC40_TICKERS = [
    'AI.PA', 'AIR.PA', 'ALO.PA', 'BNP.PA', 'CAP.PA',
    'CS.PA', 'DG.PA', 'EL.PA', 'EN.PA', 'ENGI.PA',
    'KER.PA', 'LR.PA', 'MC.PA', 'ML.PA', 'OR.PA',
    'ORA.PA', 'PUB.PA', 'RI.PA', 'RNO.PA', 'SAF.PA',
    'SAN.PA', 'SGO.PA', 'STM.PA', 'SU.PA', 'TTE.PA',
    'VIV.PA', 'WLN.PA'
]

def get_momentum_basket(tickers, lookback_months=6, top_n=10):
    """
    Sélectionne les N meilleures actions par momentum
    
    Args:
        tickers: Liste des tickers à analyser
        lookback_months: Période de calcul du momentum
        top_n: Nombre d'actions à sélectionner
    
    Returns:
        DataFrame avec le basket sélectionné
    """
    end_date = datetime.now()
    start_date = end_date - timedelta(days=lookback_months * 30 + 30)
    
    # Télécharger les données
    data = yf.download(tickers, start=start_date, end=end_date)['Adj Close']
    
    # Calculer le momentum (rendement sur la période)
    momentum = (data.iloc[-1] / data.iloc[-lookback_months * 21] - 1) * 100
    
    # Sélectionner le top N
    top_momentum = momentum.nlargest(top_n)
    
    # Créer le basket avec pondération égale
    basket = pd.DataFrame({
        'Ticker': top_momentum.index,
        'Momentum (%)': top_momentum.values.round(2),
        'Weight (%)': [100 / top_n] * top_n
    })
    
    return basket

def backtest_momentum_strategy(tickers, lookback=6, top_n=10, 
                                rebalance_freq='M', start_year=2020):
    """
    Backtest de la stratégie momentum basket
    """
    end_date = datetime.now()
    start_date = datetime(start_year, 1, 1)
    
    # Télécharger toutes les données
    data = yf.download(tickers, start=start_date, end=end_date)['Adj Close']
    data = data.dropna(axis=1, how='all')  # Supprimer les colonnes vides
    
    # Rendements journaliers
    returns = data.pct_change().dropna()
    
    # Dates de rééquilibrage
    rebalance_dates = returns.resample(rebalance_freq).last().index
    
    portfolio_returns = []
    
    for i, date in enumerate(rebalance_dates[lookback:]):
        # Calculer le momentum jusqu'à cette date
        lookback_start = rebalance_dates[i]
        lookback_end = date
        
        period_data = data.loc[lookback_start:lookback_end]
        if len(period_data) < 20:
            continue
            
        momentum = (period_data.iloc[-1] / period_data.iloc[0] - 1)
        top_tickers = momentum.nlargest(top_n).index.tolist()
        
        # Calculer les rendements du mois suivant
        if i + lookback + 1 < len(rebalance_dates):
            next_date = rebalance_dates[i + lookback + 1]
            period_returns = returns.loc[date:next_date, top_tickers].mean(axis=1)
            portfolio_returns.extend(period_returns.tolist())
    
    # Calculer les métriques
    portfolio_returns = pd.Series(portfolio_returns)
    cumulative_return = (1 + portfolio_returns).cumprod()
    
    total_return = (cumulative_return.iloc[-1] - 1) * 100
    annualized_return = (cumulative_return.iloc[-1] ** (252 / len(portfolio_returns)) - 1) * 100
    volatility = portfolio_returns.std() * np.sqrt(252) * 100
    sharpe_ratio = annualized_return / volatility if volatility > 0 else 0
    max_drawdown = ((cumulative_return / cumulative_return.cummax()) - 1).min() * 100
    
    return {
        'Total Return (%)': round(total_return, 2),
        'Annualized Return (%)': round(annualized_return, 2),
        'Volatility (%)': round(volatility, 2),
        'Sharpe Ratio': round(sharpe_ratio, 2),
        'Max Drawdown (%)': round(max_drawdown, 2)
    }

# Exécution
if __name__ == "__main__":
    print("=== MOMENTUM BASKET - CAC 40 ===\n")
    
    # Basket actuel
    basket = get_momentum_basket(CAC40_TICKERS, lookback_months=6, top_n=10)
    print("Top 10 Momentum (6 mois):")
    print(basket.to_string(index=False))
    
    print("\n=== BACKTEST RÉSULTATS ===\n")
    
    # Backtest
    results = backtest_momentum_strategy(
        CAC40_TICKERS, 
        lookback=6, 
        top_n=10,
        start_year=2020
    )
    
    for metric, value in results.items():
        print(f"{metric}: {value}")