Scripts calcul hyperopt multiple

tools/statistique/ewm.py

@@ -0,0 +1,41 @@
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+
+np.random.seed(42)
+
+# Générer 100 valeurs simulant un prix réel avec fluctuations
+t = np.arange(100)
+trend = np.sin(t/10) * 2  # tendance ondulante
+noise = np.random.randn(100) * 0.5  # bruit
+prices = 50 + trend + noise      # prix centré autour de 50
+
+df = pd.DataFrame({"price": prices})
+
+# Rolling simple sur 5 périodes
+df["rolling5"] = df["price"].rolling(5).mean()
+
+# EMA plus réactive (span=5)
+# EMA5 standard
+df["ema5"] = df["price"].ewm(span=5, adjust=False).mean()
+
+# EMA5 “lissée” avec double application
+df["ema5_smooth"] = df["price"].ewm(span=5, adjust=False).mean().ewm(span=5, adjust=False).mean()
+
+
+# EMA plus lissée (span=20)
+df["ema20"] = df["price"].ewm(span=20, adjust=False).mean()
+
+# Plot
+plt.figure(figsize=(12,6))
+plt.plot(df["price"], label="Prix", color='black', alpha=0.6)
+plt.plot(df["rolling5"], label="Rolling 5", linestyle="--", color='blue')
+plt.plot(df["ema5"], label="EMA 5", color='red')
+plt.plot(df["ema5_smooth"], label="EMA 5S", color='blue')
+plt.plot(df["ema20"], label="EMA 20", color='green')
+plt.title("Rolling vs Exponential Moving Average (prix réaliste)")
+plt.xlabel("Période")
+plt.ylabel("Prix")
+plt.legend()
+plt.grid(True)
+plt.show()

tools/statistique/savgol.py

@@ -0,0 +1,27 @@
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+from scipy.interpolate import make_interp_spline
+from scipy.signal import savgol_filter
+
+np.random.seed(42)
+
+# Générer 100 valeurs simulant un prix réel avec fluctuations
+t = np.arange(100)
+trend = np.sin(t/10) * 2  # tendance ondulante
+noise = np.random.randn(100) * 0.5  # bruit
+prices = 50 + trend + noise      # prix centré autour de 50
+
+df = pd.DataFrame({"price": prices})
+
+df["ema5"] = df["price"].ewm(span=5, adjust=False).mean()
+# ATTENTION cela regarde dans le futur
+df["ema5_savgol"] = savgol_filter(df["ema5"], window_length=21, polyorder=3)
+
+# Plot
+# fenetre=21 points, poly order 3
+plt.plot(df["price"], alpha=0.5, label="Prix")
+plt.plot(df["ema5_savgol"], label="EMA5 lissée Savitzky-Golay", color="red")
+plt.legend()
+plt.show()
+

tools/statistique/spline.py

@@ -0,0 +1,35 @@
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+from scipy.interpolate import make_interp_spline
+
+np.random.seed(42)
+
+# Générer 100 valeurs simulant un prix réel avec fluctuations
+t = np.arange(100)
+trend = np.sin(t/10) * 2  # tendance ondulante
+noise = np.random.randn(100) * 0.5  # bruit
+prices = 50 + trend + noise      # prix centré autour de 50
+
+df = pd.DataFrame({"price": prices})
+
+df["ema5"] = df["price"].ewm(span=5, adjust=False).mean()
+
+x = np.arange(len(df))
+y = df["ema5"].values
+
+# Créer une nouvelle série de points x plus dense
+x_smooth = np.linspace(x.min(), x.max(), 300)
+
+# Spline (B-spline)
+spl = make_interp_spline(x, y, k=3)  # k=3 pour cubic spline
+y_smooth = spl(x_smooth)
+
+# Plot
+plt.figure(figsize=(12,6))
+plt.plot(df["price"], label="Prix", alpha=0.5, color="black")
+plt.plot(df["ema5"], label="EMA 5", color='blue')
+plt.plot(x_smooth, y_smooth, label="EMA5 lissée Bézier", color="red")
+plt.title("EMA5 très lisse avec spline")
+plt.legend()
+plt.show()