Durée : 12:30 | 
Langue : Anglais | 
Publication originale au 2025-04-01
Résumé de la vidéo
Le présentateur de la chaîne Profit Adda Web propose dans cette vidéo un tutoriel technique consacré au développement d’un sélecteur de portefeuille boursier sous Excel. Il commence par introduire le sujet en expliquant la nécessité pour les opérateurs boursiers d’identifier des actions performantes selon leurs objectifs financiers. L’intervenant détaille ensuite l’approche méthodologique pour analyser les marchés, en soulignant l’importance de définir clairement sa tolérance au risque et ses horizons d’investissement avant toute manipulation informatique concrète sur les données financières.
Dans la suite de la présentation, le présentateur montre comment exploiter le langage de programmation Python combiné avec la bibliothèque Pandas pour automatiser la récupération des listes d’instruments financiers. Il manipule des fichiers de données au format CSV pour extraire précisément les symboles boursiers et les prix actuels des actions disponibles sur les plateformes de courtage. Cette étape technique permet de filtrer rapidement un volume important d’informations boursières brutes sans nécessiter d’interventions manuelles fastidieuses de la part de l’utilisateur.
L’intervenant intègre également l’intelligence artificielle Grok Chatbot AI dans son processus de travail pour obtenir des analyses fondamentales et des recommandations ciblées. Il démontre comment poser des questions pertinentes au modèle conversationnel afin d’évaluer la croissance sectorielle et les perspectives de plusieurs sociétés cotées. Cette utilisation combinée de scripts informatiques et d’assistants virtuels vise à simplifier la sélection des meilleures valeurs mobilières selon des critères prédéfinis par l’investisseur lors de sa démarche.
Le présentateur poursuit sa démonstration en écrivant des lignes de code destinées à trier les actions par ordre de prix croissant tout en éliminant les doublons et les valeurs aberrantes. Il explique comment structurer les données nettoyées sous la forme de tableaux exploitables avant de les exporter directement vers des feuilles de calcul Excel. Cette manipulation technique illustre le pont entre l’extraction de données automatisées par scripts et leur mise en forme finale pour l’analyse boursière quotidienne.
Enfin, l’intervenant conclut son tutoriel en affichant le résultat final dans une interface Excel où l’utilisateur peut observer les symboles et les derniers tarifs enregistrés. Il suggère aux spectateurs de visionner ses vidéos précédentes pour maîtriser l’ensemble des prérequis nécessaires à la bonne compréhension des scripts présentés. Le présentateur invite enfin son audience à interagir dans les commentaires en cas de questions et à le contacter directement pour toute demande de formation personnalisée en programmation financière.
L’évaluation de la rédaction
L’originalité de l’approche repose sur l’intégration d’un assistant conversationnel au sein d’un script de tri boursier en Python, offrant une perspective pour automatiser l’analyse financière dans des feuilles de calcul. L’application pratique s’avère directe pour les investisseurs désireux de manipuler des données, bien que l’utilisation de scripts en ligne de commande exige des compétences techniques préalables et un accès opérationnel. La pédagogie adoptée par le présentateur manque parfois de fluidité dans l’explication des lignes de code, mais la démonstration séquentielle permet de suivre la logique générale du traitement des données. La popularité de ce tutoriel ne peut pas être évaluée en l’absence de statistiques d’engagement, ce qui laisse l’impact de la vidéo auprès des développeurs et des opérateurs boursiers indéterminé.
