σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyFeuilles de routeParcours
Ctrl K
AO
+1,2 k apprenants
ConnexionRejoindre ↗
Feuilles de routeParcours
AO
+1,2 k apprenants
Connexion
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

Apprenez le développement quant en pratiquant : leçons courtes, labs notés et un vrai IDE, dans votre navigateur.

Apprendre
Toutes les feuilles de routeToutes les skillsSkill PythonSkill C++BientôtSkill OxCamlBientôtSkill Market StructureSkill CalculusSkill Linear AlgebraSkill ProbabilitySkill StatisticsSkill Matrix DecompositionsSkill Optimization
Assistance
Donnez-nous votre avisOffrez-nous un café
Mentions légales
Politique de confidentialitéConditions d'utilisation
© 2026 QuantCraft Solutions. Tous droits réservés.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyFeuilles de routeParcours
Ctrl K
AO
+1,2 k apprenants
ConnexionRejoindre ↗
Feuilles de routeParcours
AO
+1,2 k apprenants
Connexion
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Parcours›Statistics
S

Statistics Parcours

OuvertCommencez ici

La finance est pleine de bruit, et un backtest qui a l'air bon relève le plus souvent de la chance. Cette compétence enseigne les outils qui séparent le signal du bruit, avec de courts exercices (nombres à calculer, étapes à ordonner, notions à associer) et des exemples de finance : pourquoi la médiane bat la moyenne sur les rendements, quelle est vraiment la largeur d'un intervalle, pourquoi la meilleure de cent stratégies prouve peu, et comment valider sans regarder le futur. Elle se termine par un lab de code qui teste une anomalie de momentum sur de vrais prix avec un bootstrap et une correction de tests multiples.

4 modules12 labs corrigés~11 heuresDébutant → Avancé
Commencer le parcours

Programme

12 sujets · ouvrez n'importe quel sujet, dans l'ordre que vous voulez
  1. 1Statistiques descriptives et estimateurs robustesNon commencé40 minCommencer
  2. 2Distributions d'échantillonnageNon commencé45 minCommencer
  3. 3Intervalles de confiance et bootstrapNon commencé55 minCommencer
  1. 4Tests d'hypothèses : le test tNon commencéNécessite Python45 minCommencer
  2. 5Tests multiples et fausses découvertesNon commencé55 minCommencer
  1. 6Maximum de vraisemblanceNon commencé55 minCommencer
  2. 7Régression linéaire (MCO)Non commencéNécessite Python55 minCommencer
  3. 8Hétéroscédasticité et erreurs robustesNon commencé50 minCommencer
  4. 9Multicolinéarité et régularisationNon commencé50 minCommencer
  1. 10Validation croisée et surapprentissageNon commencé55 minCommencer
  2. 11Le ratio de Sharpe déflaté et le surapprentissage des backtestsNon commencé1 hCommencer
  3. 12Projet final : cette anomalie est-elle réelle ?Non commencé1 h 40 minCommencer

Prérequis

Les probabilités aident, et les deux sujets Python de cette compétence font partie du programme, mais vous pouvez commencer avec les maths du lycée.

  • PProbability

Ce que vous apprendrez

  • Résumer des rendements avec des statistiques robustes et comprendre distributions d'échantillonnage et erreurs types
  • Construire des intervalles de confiance, y compris par bootstrap pour les statistiques sans formule
  • Faire des tests honnêtement : corriger les tests multiples et contrôler les fausses découvertes
  • Ajuster des modèles par maximum de vraisemblance et régression, et traiter hétéroscédasticité, colinéarité et régularisation
  • Valider sans fuite du futur, déflater un ratio de Sharpe selon le nombre d'essais et tester une anomalie de bout en bout

Outils utilisés

PythonNumPypandaspytest

Validation

Réussissez les 12 labs avec un score d'au moins 70 pour terminer le parcours et obtenir le badge Statistiques pour quants sur votre profil.

0 / 120%

Parcours suivant

MMatrix DecompositionsOuvert
uantCraft Academy

Apprenez le développement quant en pratiquant : leçons courtes, labs notés et un vrai IDE, dans votre navigateur.

Apprendre
Toutes les feuilles de routeToutes les skillsSkill PythonSkill C++BientôtSkill OxCamlBientôtSkill Market StructureSkill CalculusSkill Linear AlgebraSkill ProbabilitySkill StatisticsSkill Matrix DecompositionsSkill Optimization
Assistance
Donnez-nous votre avisOffrez-nous un café
Mentions légales
Politique de confidentialitéConditions d'utilisation
© 2026 QuantCraft Solutions. Tous droits réservés.
QuantCraft
ConnexionRejoindre ↗
Connexion