trader-ml/QUICK_START.md

⚡ Quick Start - Trading AI Secure

🎯 Démarrage en 5 Minutes

Étape 1 : Vérifier Prérequis (30 secondes)

# Vérifier Python 3.11+
python --version

# Vérifier pip
pip --version

# Vérifier Git
git --version

✅ Tout est OK ? Passez à l'étape 2
❌ Manque quelque chose ? Voir Installation Prérequis

---

Étape 2 : Cloner et Installer (2 minutes)

# Cloner le projet
git clone https://github.com/votre-username/trading-ai-secure.git
cd trading-ai-secure

# Créer environnement virtuel
python -m venv venv

# Activer environnement
# Windows:
venv\Scripts\activate
# Linux/macOS:
source venv/bin/activate

# Installer dépendances
pip install -r requirements.txt

---

Étape 3 : Configuration Minimale (1 minute)

# Copier fichiers de configuration
cp config/risk_limits.example.yaml config/risk_limits.yaml
cp config/strategy_params.example.yaml config/strategy_params.yaml
cp config/data_sources.example.yaml config/data_sources.yaml

# Créer fichier .env
echo "ENVIRONMENT=development" > .env
echo "LOG_LEVEL=INFO" >> .env
echo "INITIAL_CAPITAL=10000" >> .env

---

Étape 4 : Premier Lancement (1 minute)

# Lancer premier backtest
python src/main.py --mode backtest --strategy intraday --symbol EURUSD --period 6m

Résultat attendu :

[INFO] Loading historical data for EURUSD...
[INFO] Backtesting intraday strategy...
[INFO] Results:
  - Total Return: 12.5%
  - Sharpe Ratio: 1.65
  - Max Drawdown: 6.8%
  - Win Rate: 56.2%

---

Étape 5 : Explorer Dashboard (30 secondes)

# Lancer dashboard
streamlit run src/ui/dashboard.py

Ouvrir navigateur sur http://localhost:8501

---

🎓 Prochaines Étapes

Option A : Je suis Trader

1. Comprendre les stratégies

   # Lire guide stratégies
   cat docs/STRATEGY_GUIDE.md
   

2. Tester différentes stratégies

   # Scalping
   python src/main.py --mode backtest --strategy scalping
   
   # Swing
   python src/main.py --mode backtest --strategy swing
   

3. Ajuster paramètres de risque

   # Éditer config/risk_limits.yaml
   nano config/risk_limits.yaml
   

Option B : Je suis Développeur

1. Comprendre l'architecture

   # Lire architecture
   cat docs/ARCHITECTURE.md
   

2. Explorer le code

   # Structure du code
   tree src/
   

3. Lancer les tests

   # Tests unitaires
   pytest tests/
   

Option C : Je suis Data Scientist

1. Comprendre l'IA adaptative

   # Lire framework IA
   cat docs/AI_FRAMEWORK.md
   

2. Explorer modèles ML

   # Code ML
   ls src/ml/
   

3. Expérimenter optimisation

   # Lancer optimisation Optuna
   python src/ml/optimize_parameters.py
   

---

📚 Documentation Complète

Document	Quand le lire
README.md	Vue d'ensemble projet
GETTING_STARTED.md	Installation détaillée
STRATEGY_GUIDE.md	Comprendre stratégies
AI_FRAMEWORK.md	Comprendre IA
RISK_FRAMEWORK.md	Comprendre risk management
BACKTESTING_GUIDE.md	Valider stratégies
PROJECT_STATUS.md	État d'avancement

---

🆘 Problèmes Courants

Erreur : "ModuleNotFoundError"

# Solution : Réinstaller dépendances
pip install --upgrade pip
pip install -r requirements.txt

Erreur : "Permission denied"

# Solution : Vérifier activation environnement virtuel
# Devrait afficher (venv) dans le prompt

Erreur : "API rate limit exceeded"

# Solution : Activer cache dans config/data_sources.yaml
cache:
  enabled: true

Backtesting trop lent

# Solution : Réduire période
python src/main.py --mode backtest --period 3m  # 3 mois au lieu de 6

---

🎯 Objectifs par Semaine

Semaine 1 : Découverte

• Installation complète
• Premier backtest réussi
• Dashboard exploré
• Documentation lue

Semaine 2 : Expérimentation

• Tester 3 stratégies différentes
• Ajuster paramètres de risque
• Comprendre métriques
• Analyser résultats

Semaine 3 : Personnalisation

• Créer première stratégie custom
• Optimiser paramètres
• Backtester sur multiple périodes
• Valider avec Monte Carlo

Semaine 4 : Validation

• Paper trading 7 jours
• Analyser performance
• Ajuster selon résultats
• Préparer production

---

📊 Checklist Avant Production

Phase 1 : Backtesting (Semaines 1-6)

• Sharpe Ratio > 1.5
• Max Drawdown < 10%
• Win Rate > 55%
• Minimum 100 trades
• Walk-forward analysis validée
• Monte Carlo validé

Phase 2 : Paper Trading (Semaines 7-10)

• 30 jours minimum
• Performance stable
• Pas de bugs critiques
• Alertes fonctionnelles
• Monitoring opérationnel

Phase 3 : Production (Semaine 11+)

• Compte IG Markets configuré
• Capital initial défini
• Limites de risque validées
• Plan d'urgence en place
• Monitoring 24/7 actif

---

🚀 Commandes Utiles

Développement

# Lancer tests
pytest tests/

# Vérifier code
pylint src/
black src/
isort src/

# Générer documentation
mkdocs serve

Trading

# Backtest
python src/main.py --mode backtest --strategy STRATEGY --symbol SYMBOL

# Paper trading
python src/main.py --mode paper --strategy STRATEGY

# Dashboard
streamlit run src/ui/dashboard.py

Monitoring

# Voir logs
tail -f logs/trading.log

# Métriques
python src/monitoring/metrics.py

# Health check
curl http://localhost:8000/health

---

💡 Conseils

Pour Réussir

1. Commencer petit : Tester avec capital virtuel
2. Être patient : Valider 30 jours minimum
3. Documenter : Noter tous les changements
4. Monitorer : Surveiller performance quotidiennement
5. Apprendre : Analyser chaque trade

À Éviter

1. ❌ Passer en production sans validation
2. ❌ Ignorer les alertes de risque
3. ❌ Sur-optimiser les paramètres
4. ❌ Trader sans stop-loss
5. ❌ Négliger le monitoring

---

📞 Support

Obtenir de l'Aide

1. Documentation : Lire docs/ en premier
2. Issues GitHub : Créer issue si bug
3. Discussions : Poser questions
4. Discord : Chat temps réel
5. Email : support@trading-ai-secure.com

Contribuer

Voir CONTRIBUTING.md

---

🎉 Félicitations !

Vous êtes prêt à démarrer avec Trading AI Secure !

Prochaine étape recommandée : Lire GETTING_STARTED.md pour guide détaillé.

---

Bon trading ! 🚀

---

📝 Notes

• Ce guide suppose un projet vierge
• Adapter selon votre environnement
• Tester en environnement sûr d'abord
• Ne jamais trader avec argent réel sans validation complète

---

Version : 0.1.0-alpha
Dernière mise à jour : 2024-01-15