Un étudiant en finance face à un Trader professionnel

1. Modèles stochastiques traditionnels vs IA (machine learning et deep learning).

Approche algorithmique :

• Modèles stochastiques traditionnels : Ces modèles reposent sur des algorithmes mathématiques explicites qui sont souvent basés sur des hypothèses simplificatrices sur la distribution des données. Ils utilisent des méthodes comme les modèles linéaires, les séries temporelles, les modèles ARIMA (AutoRegressive Integrated Moving Average), etc.

• IA (machine learning et deep learning) : Ces approches reposent sur l'apprentissage à partir des données plutôt que sur la spécification explicite d'un modèle mathématique. Les modèles sont entraînés à reconnaître des modèles et des relations dans les données à l'aide d'algorithmes d'apprentissage automatique, et dans le cas du deep learning, à travers des réseaux de neurones artificiels avec plusieurs couches cachées.

Capacité à capturer des modèles complexes :

• Modèles stochastiques traditionnels : Ils sont souvent moins capables de capturer des modèles complexes et non linéaires présents dans les données, car ils reposent sur des hypothèses plus simples et des structures de modèle moins flexibles.

• IA (machine learning et deep learning) : Ces approches sont plus adaptées pour capturer des modèles complexes et non linéaires dans les données, grâce à leur capacité à apprendre des représentations de données hiérarchiques à différents niveaux d'abstraction.

Interprétabilité :

• Modèles stochastiques traditionnels : Ils sont souvent plus faciles à interpréter car ils reposent sur des formules mathématiques explicites.

• IA (machine learning et deep learning) : Ces modèles sont souvent plus difficiles à interpréter en raison de leur nature complexe et de leur opacité. Cependant, il existe des techniques pour expliquer les prédictions de ces modèles, mais elles peuvent être plus complexes à mettre en œuvre.

Exigences en matière de données :

• Modèles stochastiques traditionnels : Ils peuvent souvent fonctionner avec des ensembles de données relativement petits et peuvent fournir des résultats raisonnables même avec des données manquantes ou bruitées.

• IA (machine learning et deep learning) : Ces approches nécessitent généralement des ensembles de données plus vastes pour l'entraînement, et elles sont souvent sensibles à la qualité et à la quantité des données. Elles peuvent nécessiter un prétraitement des données plus important pour obtenir des résultats significatifs.

2. Est-ce que le modèle LSTM RNN (multivarié) est le meilleur pour la prévision boursière ? Quelles données utiliser : high, low, open, close, volume + données d'entreprise ?

Le modèle LSTM (Long Short-Term Memory) RNN (Réseau de Neurones Récursif) est en effet l'un des modèles populaires pour la prévision des séries temporelles, y compris les données boursières. Cependant, il n'y a pas de modèle unique qui soit toujours le "meilleur" pour la prévision boursière, car l'efficacité d'un modèle dépend de nombreux facteurs, notamment la qualité et la quantité des données disponibles, la période de prévision, et la nature changeante des marchés financiers.

Les données couramment utilisées pour la prévision boursière comprennent généralement les prix de l'action (high, low, open, close), le volume de transactions et les données macroéconomiques pertinentes. De plus, l'utilisation de données d'entreprise telles que les rapports financiers, les données sur les produits et services, les événements spécifiques à l'entreprise, etc., peut également être utile pour améliorer les performances de prédiction.

Voici quelques considérations importantes lors de l'utilisation d'un modèle LSTM RNN pour la prévision boursière multivariée :

• Choix des caractéristiques (features) : Il est important de sélectionner judicieusement les caractéristiques à inclure dans le modèle. Cela peut inclure les prix de l'action (high, low, open, close), le volume de transactions, ainsi que d'autres données pertinentes telles que les données d'entreprise (par exemple, les revenus, les bénéfices, les annonces importantes).

• Prétraitement des données : Avant d'entraîner le modèle LSTM, il est essentiel de normaliser les données, de traiter les valeurs manquantes et éventuellement d'appliquer des techniques de lissage ou de réduction du bruit.

• Architecture du modèle : L'architecture du modèle LSTM peut varier en fonction de la complexité des données et des besoins spécifiques de prévision. Cela peut inclure le nombre de couches LSTM, le nombre de neurones dans chaque couche, ainsi que l'utilisation de techniques telles que l'attention pour améliorer les performances du modèle.

• Entraînement et validation du modèle : L'entraînement du modèle LSTM RNN implique de diviser les données en ensembles d'entraînement et de validation, et de régler les hyperparamètres du modèle pour optimiser les performances de prévision. L'utilisation de techniques telles que la validation croisée peut aider à évaluer la capacité de généralisation du modèle.

3. Quelle période historique choisir pour un horizon de prédiction déterminé ?

Le choix de la période historique pour entraîner un modèle de prédiction dépend de plusieurs facteurs, notamment :

• La stabilité des conditions du marché : Les marchés financiers peuvent être soumis à des périodes de volatilité ou de stabilité. Il est souvent judicieux de choisir une période historique qui représente une variété de conditions de marché, y compris des périodes de hausse, de baisse et de stabilité, afin que le modèle soit capable de généraliser efficacement à différentes situations.

• La disponibilité des données : Les données historiques disponibles peuvent avoir des limitations en termes de disponibilité et de qualité. Il est important de choisir une période historique pour laquelle vous disposez de données de bonne qualité et complètes, afin que le modèle puisse être correctement entraîné.

• La pertinence temporelle : Si vous prévoyez de prédire à court terme, il peut être utile d'utiliser des données historiques plus récentes, car elles sont plus susceptibles de refléter les conditions actuelles du marché. En revanche, si votre horizon de prédiction est à plus long terme, vous pouvez utiliser une période historique plus étendue pour capturer des tendances à plus long terme.

• L'objectif de prédiction : La période historique choisie peut également dépendre de l'objectif spécifique de votre prédiction. Par exemple, si vous vous concentrez sur la prédiction de la volatilité à court terme, vous pouvez choisir une période historique qui comprend des périodes de forte volatilité. Si vous prédisez des tendances à long terme, une période historique plus étendue peut être appropriée.

En résumé, le choix de la période historique dépend de divers facteurs, notamment la stabilité des conditions du marché, la disponibilité des données, la pertinence temporelle et l'objectif de prédiction. Il est important de choisir une période historique qui représente une variété de conditions de marché et qui soit adaptée à l'horizon de prédiction spécifique.

4. Investissement passif (ETF) vs sélection de titres : performance à long terme (mention des hedge funds).

Lorsqu'on compare l'investissement passif via des ETF (Exchange-Traded Funds) à la sélection active de titres, notamment en ce qui concerne la performance à long terme, plusieurs facteurs doivent être pris en compte, y compris la gestion des risques, les coûts, et l'efficacité des gestionnaires de fonds.

Investissement passif (ETF) :

• Les ETF suivent généralement des indices de marché, ce qui signifie que leur performance est liée à celle de l'indice sous-jacent. Ils offrent une diversification instantanée puisqu'ils investissent dans un panier d'actions représentatives de l'indice.

• Les frais de gestion des ETF sont généralement plus bas que ceux des fonds gérés activement, ce qui peut augmenter le rendement net pour les investisseurs à long terme.

• Les investisseurs passifs bénéficient généralement de la stabilité des investissements à long terme et évitent souvent la volatilité associée à la sélection active des titres.

Sélection active de titres :

• La sélection active de titres implique que les gestionnaires de fonds choisissent des titres individuels dans le but de surperformer le marché. Cela peut conduire à des rendements supérieurs à ceux du marché si les gestionnaires font des choix judicieux.

• Cependant, la recherche montre que la plupart des gestionnaires de fonds ne parviennent pas à battre régulièrement le marché sur le long terme après avoir pris en compte les frais de gestion.

• Certains fonds comme les hedge funds utilisent des stratégies plus sophistiquées, telles que l'arbitrage, le trading sur dérivés, ou l'utilisation d'effet de levier pour essayer de générer des rendements supérieurs. Cependant, ces stratégies peuvent être plus risquées et moins accessibles pour les investisseurs ordinaires.

En général, les ETF offrent souvent une option d'investissement simple, peu coûteuse et diversifiée pour les investisseurs à long terme, tandis que la sélection active de titres peut comporter des risques plus élevés et des coûts plus importants. Bien que certains gestionnaires de fonds puissent surperformer le marché, la plupart des investisseurs optent pour des stratégies passives en raison de leur efficacité et de leur simplicité. Cependant, chaque investisseur devrait évaluer ses propres objectifs, tolérance au risque et préférences avant de choisir une approche d’investissement.

5. Quelles sont les principales causes des hausses sur les marchés financiers ? Quels grands indicateurs surveiller ? (ratios financiers, liquidités présentes sur les marchés : politique monétaire des banques centrales).

Les hausses sur les marchés financiers peuvent être causées par divers facteurs économiques, financiers et géopolitiques. Voici quelques-unes des principales causes des hausses sur les marchés financiers et les grands indicateurs à surveiller :

1. Croissance économique : Une croissance économique solide et soutenue peut stimuler la confiance des investisseurs et favoriser les hausses sur les marchés financiers. Les investisseurs surveillent des indicateurs tels que le produit intérieur brut (PIB), les chiffres de l'emploi, les dépenses de consommation et les indicateurs de confiance des entreprises pour évaluer la santé de l'économie.
2. Politique monétaire accommodante : Les politiques monétaires accommodantes menées par les banques centrales, telles que des taux d'intérêt bas et des mesures de relance monétaire comme l'assouplissement quantitatif, peuvent encourager les investissements sur les marchés financiers en rendant le crédit moins cher et en stimulant l'activité économique.
3. Perspectives des bénéfices des entreprises : Les perspectives positives des bénéfices des entreprises peuvent contribuer à soutenir les hausses sur les marchés financiers. Les investisseurs surveillent les rapports trimestriels des entreprises, les perspectives de croissance des bénéfices, ainsi que les indicateurs spécifiques à chaque secteur pour évaluer la performance future des entreprises.
4. Stabilité politique et géopolitique : La stabilité politique et géopolitique dans une région donnée peut également favoriser les hausses sur les marchés financiers en réduisant l'incertitude et en renforçant la confiance des investisseurs.
5. Flux de liquidités : Les flux de liquidités sur les marchés financiers, notamment les entrées de capitaux étrangers, les achats d'actifs par les fonds d'investissement et les mouvements des investisseurs institutionnels, peuvent également influencer les mouvements des prix sur les marchés.

En ce qui concerne les grands indicateurs à surveiller, voici quelques-uns des principaux :

• Indices boursiers : Les indices boursiers tels que le S&P 500, le Dow Jones Industrial Average, et le Nasdaq Composite sont souvent utilisés comme baromètres de la performance globale du marché.
• Taux d'intérêt : Les taux d'intérêt fixés par les banques centrales sont surveillés de près car ils influencent le coût du crédit et peuvent avoir un impact sur les décisions d'investissement.
• Inflation : L'inflation peut affecter le pouvoir d'achat et les rendements réels des investissements. Les investisseurs surveillent l'évolution de l'inflation et les décisions des banques centrales en matière de politique monétaire en réponse à l'inflation.
• Indicateurs économiques : Des indicateurs tels que le PIB, les chiffres de l'emploi, les ventes au détail, et l'indice des directeurs d'achat (PMI) peuvent fournir des indications sur la santé de l'économie et influencer les décisions d'investissement.
• Ratios financiers : Des ratios financiers tels que le ratio cours/bénéfice (PER), le ratio cours/valeur comptable (P/B), et le rendement des dividendes peuvent être utilisés pour évaluer la valorisation des actions et guider les décisions d'investissement.

En résumé, les hausses sur les marchés financiers peuvent être influencées par un large éventail de facteurs économiques, financiers et géopolitiques. Les investisseurs surveillent attentivement les indicateurs économiques clés, les politiques monétaires des banques centrales, ainsi que les flux de liquidités sur les marchés pour évaluer les perspectives de croissance et de rendement.

6. Comment échapper aux algorithmes de Black Rock, Citadel, etc. ? Quelle mentalité et quelle stratégie adopter ?

Échapper aux algorithmes de sociétés de gestion d'actifs telles que BlackRock et Citadel peut être difficile, car ces entreprises utilisent des stratégies sophistiquées et des algorithmes avancés pour prendre des décisions d'investissement. Cependant, voici quelques approches que certains investisseurs adoptent pour tenter de se démarquer :

1. Adopter une approche à long terme : Plutôt que de chercher à battre les algorithmes à court terme, les investisseurs peuvent adopter une approche à long terme en investissant dans des sociétés solides avec des fondamentaux solides. Cette approche peut permettre d'éviter les fluctuations à court terme et de se concentrer sur la croissance à long terme.
2. Investir dans des actifs alternatifs : Les investisseurs peuvent choisir d'investir dans des actifs alternatifs tels que l'immobilier, les matières premières ou les investissements privés, qui peuvent être moins influencés par les algorithmes de trading haute fréquence utilisés par certaines sociétés de gestion d'actifs.
3. Diversification du portefeuille : La diversification du portefeuille est une stratégie clé pour atténuer les risques associés aux mouvements du marché. En investissant dans une large gamme d'actifs, de secteurs et de régions géographiques, les investisseurs peuvent réduire leur exposition aux fluctuations des prix influencées par les algorithmes.
4. Focus sur la valeur intrinsèque : Plutôt que de suivre aveuglément les mouvements du marché, les investisseurs peuvent se concentrer sur la valeur intrinsèque des actifs qu'ils détiennent. Cela implique de mener une analyse approfondie des fondamentaux de l'entreprise, y compris ses revenus, ses bénéfices, sa gestion et sa position concurrentielle.
5. Investissement socialement responsable (ISR) : L'investissement socialement responsable prend en compte des critères environnementaux, sociaux et de gouvernance (ESG) dans le processus d'investissement. Cette approche peut aider les investisseurs à éviter les entreprises qui ne respectent pas les normes éthiques ou environnementales.
6. Mentorat et éducation continue : Les investisseurs peuvent rechercher des mentors expérimentés et continuer à se former pour améliorer leurs compétences en matière d'investissement. Comprendre les marchés, les stratégies d'investissement et les tendances économiques peut aider les investisseurs à prendre des décisions éclairées et à rester informés des évolutions du marché.

7. Les règles des marchés financiers évoluent-elles ? (incohérences actuelles)

La démographie, la prolifération des fake news et les intérêts dissimulés dans un contexte de guerre de l'information peuvent influencer les règles des marchés financiers et créer des incohérences dans la réglementation. Voici comment ces aspects peuvent impacter les marchés financiers :

1. Démographie : Les tendances démographiques, telles que le vieillissement de la population, les changements dans la structure familiale et les migrations internationales, peuvent avoir un impact sur les marchés financiers en influençant la demande de biens et services, la croissance économique et les politiques fiscales. Par exemple, le vieillissement de la population peut entraîner une augmentation de la demande de produits financiers liés à la retraite, tandis que les migrations internationales peuvent affecter les flux de capitaux et les investissements transfrontaliers.
2. Fake news et désinformation : La prolifération des fake news et de la désinformation peut avoir un impact sur la confiance des investisseurs et la stabilité des marchés financiers. Les fausses informations peuvent influencer les décisions d'investissement, créer des mouvements de prix irrationnels et perturber la stabilité des marchés. Les régulateurs financiers peuvent être amenés à adopter des règles visant à promouvoir la transparence et à lutter contre la désinformation sur les marchés financiers.
3. Guerre de l'information et intérêts dissimulés : Dans un contexte de guerre de l'information, les acteurs étatiques et non étatiques peuvent chercher à manipuler les marchés financiers pour servir leurs propres intérêts politiques ou économiques. Cela peut inclure la diffusion de fausses informations pour déstabiliser les marchés, la manipulation des prix des actifs financiers ou l'utilisation de sanctions économiques pour influencer les décisions des investisseurs. Les régulateurs financiers doivent être vigilants pour détecter et contrer de telles pratiques afin de préserver l'intégrité des marchés financiers.
4. Augmentation de la masse monétaire : L'augmentation de la masse monétaire peut résulter de politiques monétaires expansionnistes mises en place par les banques centrales pour stimuler l'économie. Cela peut conduire à des niveaux accrus de liquidité sur les marchés financiers, ce qui peut affecter les prix des actifs et nécessiter une réglementation plus stricte pour prévenir les bulles financières et les risques systémiques.
5. Dématérialisation des transactions financières : La dématérialisation des transactions financières, facilitée par la technologie et les plateformes numériques, peut rendre plus difficile pour les régulateurs de surveiller et de réglementer les activités sur les marchés financiers. Cela peut créer des lacunes dans la réglementation, ce qui nécessite des ajustements pour assurer la transparence et la conformité réglementaire.
6. Absence de réelle contrepartie pour certains produits non traçables : Certains produits financiers, tels que les dérivés complexes ou les crypto-monnaies, peuvent manquer d'une réelle contrepartie physique ou d'une évaluation objective de leur valeur intrinsèque. Cela peut rendre difficile pour les régulateurs de déterminer les risques associés à ces produits et de mettre en place une réglementation efficace pour les surveiller et les contrôler.

En réponse à ces défis, les régulateurs financiers peuvent chercher à mettre en place des règles plus strictes en matière de gestion de la masse monétaire, de surveillance des transactions électroniques et de réglementation des produits financiers complexes. Ils peuvent également chercher à promouvoir la transparence et la responsabilité des acteurs du marché pour réduire les risques systémiques et protéger les investisseurs.

Cependant, en raison de la nature complexe et mondialisée des marchés financiers, il peut être difficile d'élaborer des règles qui parviennent à réguler efficacement tous les aspects des activités financières. Cela peut entraîner des incohérences et des lacunes dans la réglementation, nécessitant une surveillance et une adaptation constantes de la part des régulateurs financiers.

8. Le concept de Drift (mu) et de mean reverting sont-ils les plus importants ? Lois universelles de la nature ?

Le concept de dérive (drift) et de retour à la moyenne (mean reversion) sont deux concepts importants en finance, mais ils ne sont pas nécessairement les seuls ni les plus importants. Cependant, ils reflètent des aspects fondamentaux des marchés financiers qui peuvent être influencés par des principes universels observés dans la nature. Voici un aperçu de ces concepts et de leur pertinence :

1. Dérive (mu) : La dérive fait référence à la tendance générale ou à la croissance moyenne d'un actif financier sur une période de temps donnée. En termes simples, c'est le taux de croissance moyen attendu de l'actif. Cette tendance peut être influencée par divers facteurs tels que la croissance économique, les politiques monétaires, les innovations technologiques, etc. Comprendre la dérive d'un actif est important pour évaluer son rendement attendu et prendre des décisions d'investissement appropriées.
2. Retour à la moyenne (mean reversion) : Le concept de retour à la moyenne suggère que, sur le long terme, les prix ou les rendements des actifs financiers ont tendance à revenir vers leur moyenne historique. Cela signifie que lorsqu'un actif s'éloigne considérablement de sa moyenne, il est plus probable qu'il revienne vers cette moyenne à l'avenir. Cette idée est souvent utilisée dans des stratégies de trading et d'investissement telles que le trading sur paires et les stratégies contrarian.

Ces concepts peuvent être considérés comme reflétant des lois universelles observées dans la nature, notamment en ce qui concerne la régularité des tendances et des cycles. Par exemple, dans la nature, de nombreux phénomènes suivent des cycles réguliers ou des tendances moyennes, tels que les saisons, les cycles de croissance des plantes, ou même les mouvements des planètes.

Cependant, il est important de noter que les marchés financiers sont également influencés par de nombreux autres facteurs, tels que la psychologie des investisseurs, les événements économiques et politiques, les innovations technologiques, etc. Par conséquent, bien que la dérive et le retour à la moyenne soient des concepts importants, ils ne capturent pas la complexité totale des marchés financiers.

En fin de compte, pour comprendre et réussir dans les marchés financiers, il est crucial de prendre en compte une multitude de facteurs et de concepts, en plus de la dérive et du retour à la moyenne, et d'adapter ses stratégies en fonction des conditions du marché et des objectifs d'investissement.

9. Intérêts Volume Profile et Footprints ?

Le "Volume Profile" et les "Footprints" sont deux outils d'analyse du marché largement utilisés par les traders pour évaluer le comportement des prix et le sentiment du marché en fonction du volume de transactions. Voici un aperçu de chacun de ces concepts :

1. Volume Profile : Le Volume Profile, ou profil de volume, est un outil graphique qui représente la distribution du volume de transactions à différents niveaux de prix sur une période donnée. Il est souvent représenté sous forme d'histogramme ou de graphique en nuage, où chaque barre ou zone représente la quantité de volume échangée à un niveau de prix spécifique. En analysant le profil de volume, les traders peuvent identifier les niveaux de prix où il y a eu le plus d'activité de trading, ce qui peut fournir des informations sur les niveaux de support et de résistance, ainsi que sur les zones d'intérêt pour les acheteurs et les vendeurs.
2. Footprints : Les "Footprints" sont un type d'outil d'analyse du marché qui permet aux traders de visualiser de manière détaillée les transactions individuelles qui ont eu lieu à chaque niveau de prix. Les "Footprints" fournissent une vue granulaire du comportement des traders en montrant les achats (demande) et les ventes (offre) à des niveaux de prix spécifiques. En observant les "Footprints", les traders peuvent identifier les zones où il y a eu une activité significative de trading, ainsi que les changements dans le sentiment du marché et les pressions acheteuses ou vendeuses.

En combinant le Volume Profile et les Footprints, les traders peuvent obtenir une meilleure compréhension du comportement du marché et identifier des opportunités de trading potentielles. Par exemple, une forte accumulation de volume à un niveau de prix particulier sur le Volume Profile, associée à des "Footprints" montrant une forte activité d'achat à ce niveau, pourrait indiquer un fort niveau de support où les traders pourraient envisager d'entrer en position longue. De même, une forte accumulation de volume à un niveau de prix avec des "Footprints" montrant une forte activité de vente pourrait indiquer une résistance potentielle où les traders pourraient envisager de prendre des positions courtes.

En résumé, le Volume Profile et les Footprints sont des outils d'analyse du marché puissants qui aident les traders à visualiser et à interpréter le comportement du marché en fonction du volume de transactions. En les utilisant de manière efficace, les traders peuvent prendre des décisions plus éclairées et améliorer leurs performances de trading.

10. Est-ce que la démographie (croissance de la population) est finalement l'indicateur le plus important à long terme pour un investissement mondial ?

Oui bien sur ! La notion de l’offre et la demande reste la plus importante sur les marchés.

11. Trader à Wall Street avec seulement un certificat d'études (première moitié du 20ème siècle) vs trader avec un doctorat (évolution des stratégies qui fonctionnent ou non) : Price action vs hypermathématisation.

L'évolution du trading à Wall Street, du début du 20e siècle à nos jours, a été marquée par des changements significatifs dans les compétences, les stratégies et les exigences éducatives des traders. Voici un aperçu de l'évolution de ces deux approches :

Trader avec seulement un certificat d'études (première moitié du 20ème siècle) :

• À une époque où l'informatique et les modèles mathématiques sophistiqués n'étaient pas largement accessibles, le trading reposait davantage sur l'expérience, l'intuition et la connaissance pratique du marché.
• Les traders se fiaient souvent à l'observation des mouvements des prix (price action), à la lecture des bandes de cotations et à l'analyse technique basique pour prendre des décisions de trading.
• Les compétences en négociation, la rapidité de réaction et la capacité à interpréter les informations de marché étaient des éléments clés du succès des traders de cette époque.

Trader avec un doctorat (évolution récente) :

• Avec l'avènement de l'informatique et de la modélisation mathématique avancée, le trading à Wall Street a connu une évolution significative vers des approches plus quantitatives et algorithmiques.
• Les traders disposant d'un doctorat en mathématiques, en finance quantitative ou dans des domaines connexes sont de plus en plus recherchés pour développer et mettre en œuvre des stratégies de trading algorithmique basées sur des modèles mathématiques complexes.
• Ces traders utilisent souvent des techniques telles que l'analyse quantitative, le machine learning, les modèles statistiques avancés et les algorithmes de trading haute fréquence pour identifier des opportunités de trading et exécuter des transactions à grande vitesse.

L'évolution vers des stratégies plus quantitatives et mathématiques a été motivée par plusieurs facteurs, notamment la disponibilité croissante de données de marché, l'amélioration des capacités informatiques et l'objectif de réduire les coûts de transaction tout en maximisant les rendements. Cependant, cela ne signifie pas que l'approche basée sur la price action a complètement disparu. De nombreux traders continuent à utiliser des techniques d'analyse technique et des stratégies discrétionnaires basées sur l'observation des mouvements des prix.

En résumé, alors que les traders de la première moitié du 20e siècle se concentraient principalement sur l'expérience et l'intuition, l'évolution récente du trading à Wall Street a vu l'émergence de traders hautement qualifiés avec des compétences en mathématiques avancées et une expertise en informatique, qui exploitent des modèles quantitatifs sophistiqués pour prendre des décisions de trading.

Pour retrouvez l'interview sur Youtube: https://www.youtube.com/live/hs32MFkVPZ8?si=w4VSP1O9KZtV-WqD

Retrouvez nous sur Génius Station: https://app.genius-station.com

‍