SAÉ [Link].

01 : Collecte automatisée de données web Semestre 3

BourseTrack : Suivi et Analyse des Données Financières

et Actualités du Marché

I - Description du sujet
Dans le domaine des marchés financiers, la collecte et le traitement des données
boursières, ainsi que la compréhension des actualités qui influencent les entreprises, sont
essentiels pour toute analyse des tendances économiques. « BourseTrack » est une
plateforme conçue pour centraliser, structurer et afficher des informations financières
pertinentes, en s'appuyant notamment sur des APIs .
L'objectif principal du projet est de développer une page web simple et intuitive
permettant de suivre les performances financières des grandes entreprises sur
uniquement les 100 derniers jours ouvrés. Les données collectées incluent les prix
moyens d'ouverture et de fermeture, les volumes d'échange, ainsi que d'autres indicateurs
tels que la volatilité moyenne, les tendances globales et les rendements moyens
journaliers. Ces informations sont enrichies par des actualités pertinentes concernant les
entreprises suivies, offrant ainsi un contexte complémentaire pour l'analyse.
Le projet se concentre sur le suivi de grandes entreprises comme Apple, Amazon, Tesla et
Microsoft, ... avec la possibilité pour les utilisateurs d'examiner les fluctuations de leurs
données financières et les actualités associées. Par exemple, les tendances boursières
positives ou négatives sont mises en avant pour chaque entreprise, permettant une
compréhension rapide de leur performance.

Techniquement, le projet repose sur l'utilisation de Python et l’approche orientée objet

pour l'extraction et la transformation des données via des API, ainsi que sur des outils de
visualisation pour présenter les informations sous forme de graphiques et de tableaux
clairs. Les utilisateurs peuvent ainsi accéder facilement à des données synthétiques,
prêtes à être analysées.

II - APIs à utiliser
Dans le cadre du projet « BourseTrack », des APIs essentielles seront utilisées pour
collecter les données financières et les actualités nécessaires. Tout d'abord, l'API Stock
Price de Alpha Vantage sera utilisée pour obtenir des informations détaillées sur les
prix des actions. Cette API est accessible via l'URL
suivante : [Link] Ensuite, pour enrichir l'analyse avec les
actualités pertinentes ayant un impact sur le marché, l'API News API sera exploitée,
disponible à l'adresse : [Link]

Enoncé SAÉ 1/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

Remarque importante : Attention, Ces APIs sont soumises à des limitations

concernant le nombre de requêtes autorisées dans un certain laps de temps. Chaque
API nécessite une clé d'accès individuelle, qui devra être obtenue et configurée avant de
pouvoir être utilisée.

III - Étapes du projet

→ Étape N°1 : se familiariser avec l’utilisation des APIs ci dessus.
Avant de débuter la collecte des données via les deux APIs mentionnées, il est essentiel
d’identifier le symbole boursier de l’entreprise concernée. Un symbole boursier est un
code unique attribué à chaque entreprise cotée en bourse, qui sert à l'identifier sur les
marchés financiers. Par exemple, le symbole boursier de Tesla, Inc. est TSLA, celui
de Apple Inc. est AAPL, et celui de Microsoft Corporation est MSFT. Ces symboles
servent à interroger les APIs pour récupérer les données financières et les actualités
propres à chaque entreprise.

Pour explorer les tendances des actions des entreprises et leurs actualités, le
site [Link] peut être consulté. Ce site fournit une vue d'ensemble
des performances des actions et des nouvelles associées sur le marché financier.

Dans ce projet, nous nous intéressons aux entreprises dont les informations sont
organisées sous forme de dictionnaire Python. Les clés de ce dictionnaire correspondent
aux symboles boursiers des entreprises, et chaque symbole est associé à des
informations telles que le nom de l’entreprise et son secteur d’activité :
NOMS_ENTREPRISES = {
"TSLA": {"nom": "Tesla, Inc.", "secteur": "Automobile"},
"F": {"nom": "Ford Motor Company", "secteur": "Automobile"},
"TM": {"nom": "Toyota Motor Corp.", "secteur": "Automobile"},
"AMZN": {"nom": "[Link], Inc.", "secteur": "Commerce électronique"},
"BABA": {"nom": "Alibaba Group Holding", "secteur": "Commerce
électronique"},
"AAPL": {"nom": "Apple Inc.", "secteur": "Technologie"},
"MSFT": {"nom": "Microsoft Corporation", "secteur": "Technologie"}
}

Ensuite, afin de découvrir et de vous familiariser avec les deux APIs :

→ Consulter la documentation des APIs qui fournit des informations sur

les points de terminaison (endpoints) disponibles, la configuration des requêtes, les
paramètres nécessaires, ainsi que des exemples d’utilisation.

Enoncé SAÉ 2/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

→ Obtenir la clé API et configurer les paramètres : Chaque API requiert une
clé d’accès unique. Une fois cette clé obtenue, vous devez préparer un dictionnaire
de paramètres pour chaque requête.

→ Pour débuter, vous pouvez utiliser le symbole TSLA (Tesla) comme exemple afin
de tester les appels aux APIs. Voici les informations à collecter pour cette
entreprise :

•Données financières des 100 derniers jours ouvrés : Récupérer des

informations telles que le prix d’ouverture, le prix de clôture, le prix le plus
haut, le prix le plus bas, le volume des échanges (nombre d’actions
échangées sur une journée), et la date.
•Actualités : Collecter les dix dernières actualités concernant Tesla,
incluant les champs suivants : le titre, la date de publication, l’URL, l’auteur,
et une description.
Une fois les informations pour Tesla récupérées avec succès, vous pouvez tester le
processus avec une autre entreprise, comme Apple (AAPL) ou Microsoft (MSFT).
L’objectif est de répéter ces étapes pour chaque entreprise figurant dans le
dictionnaire NOMS_ENTREPRISES.
À ce stade, vous pouvez réaliser une classe nommée GestionnaireAPI qui
permet de configurer une API et de récupérer les données sous format JSON.

→ Étape N°2 : Sauvegarde et Lecture dans un fichier CSV

Étant donné que le nombre de requêtes aux API est limité, il est essentiel de sauvegarder
localement les données récupérées (qu'il s'agisse de données financières ou d'actualités).
Cela permet de réduire le nombre d'appels aux API en réutilisant les données déjà
collectées. Pour chaque entreprise, les informations seront stockées dans des fichiers CSV
distincts. Si les données sont déjà enregistrées dans un fichier CSV, elles peuvent être
consultées directement, évitant ainsi un nouvel appel à l'API et respectant les limites de
requêtes.

Pour chaque entreprise, deux fichiers CSV distincts seront générés : un fichier pour les
données financières (symbole_financial.csv, par exemple TSLA_financial.csv)
et un autre pour les actualités (symbole_news.csv, par exemple TSLA_news.csv).

À ce stade, vous pouvez réaliser une classe nommée GestionnaireFichier qui

permet de sauvegarder et de lire depuis des fichiers CSV.

Enoncé SAÉ 3/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

→ Étape N°3 : Réalisation du modèle relationnel de données et des

classes métiers
Remarque : La base de données utilisée est SQLite.

Dans ce projet, il est important d’organiser vos données et votre code de manière logique
pour simplifier le développement et la maintenance. Deux approches peuvent être
envisagées : l'approche simplifiée basée sur un gestionnaire unique pour la base de
données, ou une approche avancée utilisant des classes métiers.

→ Réalisation d’un MLD : Avant de choisir une approche, la première

étape incontournable est la réalisation d’un modèle relationnel de
données (MLD). Pour ce faire, il faut analyser les données collectées et à
identifier les entités principales, leurs attributs, et les relations entre elles. Voici un
exemple de MLD contenant deux tables FILMS et GENRES reliés par une relation un-
plusieurs :
FILMS(num_film: INTEGER,titre: VARCHAR(80), #num_genre:
INTEGER, annee_sortie: INTEGER)
GENRES(num_genre: INTEGER, nom_genre: VARCHAR(50))

Les clés primaires sont soulignés et les clés étrangères sont préfixées par #.

→ Utilisation d'un gestionnaire unique pour la base de données

(GestionnaireBDD) : Pour tous des groupes, nous recommandons une approche
simplifiée basée sur une classe unique dédiée à la gestion de la base de données,
appelée GestionnaireBDD. Cette classe gère toutes les interactions avec la base
de données, telles que l’établissement et la fermeture de la connexion, la création
des tables et les opérations d’insertion ou de récupération des données. Attention,
il faut créer une seule instance de connexion (singleton).

Cette approche a l'avantage d'être simple, rapide à mettre en œuvre et flexible, car
elle peut évoluer si vous décidez d’ajouter d'autres fonctionnalités. Les données
collectées peuvent être manipulées à l'aide de structures simples comme des
dictionnaires ou des listes, sans recourir à des classes métiers spécifiques pour
représenter les entités (par exemple, Entreprise, Action, etc.).

Pour les plus avancés : Intégration de classes métiers

Pour les groupes les plus avancés ou ceux qui souhaitent approfondir leurs
compétences, une approche orientée objet basée sur des classes métiers peut être
envisagée. Dans cette approche, chaque table du MLD est représentée par
une classe dédiée, avec ses attributs et méthodes correspondants. Par exemple, une

Enoncé SAÉ 4/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

classe Entreprise avec des attributs comme nom, secteur, symbole et une
méthode lister_entreprises() pour récupérer la liste des entreprises, etc.

Ces classes seraient ensuite connectées à la base de données via une classe
comme GestionnaireBDD. Les avantages de cette approche sont : une meilleure
organisation où les données et les fonctionnalités associées à chaque entité sont
regroupées, ce qui améliore la lisibilité et la maintenabilité du code, l’encapsulation
car les classes métiers permettent de mieux protéger et structurer les données, et la
modularité permettant d’ajouter de nouvelles fonctionnalités ou modifier des entités
sans affecter tout le projet.

Conseil : pour résoudre un problème complexe, procéder toujours par « diviser pour
mieux régner », c’est à dire, décomposer le problème complexe en des sous-problèmes
simples à résoudre. Proposer pour chaque sous-problème, une sous-solution. Finalement,
regrouper les sous-solutions pour trouver la solution finale au problème.

→ Étape N°4 : Génération d’une page HTML dynamique pour afficher les
résultats
Au lieu d'utiliser une interface console classique avec des menus, vous allez concevoir
une solution où les données financières et les actualités sont collectées, traitées et
affichées directement dans une page HTML générée dynamiquement. À ce stade, il est
recommandé de créer un fichier nommé « gestionnaire_app.py » qui servira à
orchestrer et gérer les différents traitements de votre application.

Voici comment cette étape est structurée :

1- Tracer et enregistrer le volume total des échanges par entreprise sous

forme de graphique circulaire (pie chart) :

→ À partir des données stockées dans la base de données SQLite, vous calculez
le volume total des échanges pour chaque entreprise.
→Le graphique circulaire est généré avec la
fonction afficher_volume_total() et enregistré sous forme d'image
(fichier JPG) pour être intégré dans la page HTML. Utiliser les modules
matplotlib et seaborn pour générer le graphique.

2- Calculer les indicateurs financiers pour chaque entreprise :

→Les indicateurs sont générés à partir des données stockées dans la base de
données SQLite. Ils offrent une vue synthétique des performances financières de

Enoncé SAÉ 5/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

chaque entreprise et sont présentés sous forme de tableau dans la page HTML. Les
indicateurs calculés sont les suivants :
-Prix moyen d’ouverture et prix moyen de clôture : moyenne des prix
d'ouverture /de fermeture des actions sur les 100 derniers jours.
Un prix d'ouverture élevé peut indiquer que l'entreprise suscite beaucoup
d'intérêt dès le début de la journée de trading, tandis qu’un prix de fermeture
reflète la valeur perçue de l'entreprise à la fin des sessions de trading. La
comparaison des deux permet d’identifier une tendance générale (hausse ou
baisse).
- Volatilité moyenne : moyenne des écarts entre les prix haut et bas des
actions sur les 100 derniers jours.
Une volatilité élevée indique un risque ou un potentiel de profit important pour
les traders, tandis qu’une volatilité faible signifie une action plus stable.
-Volume moyen : Moyenne des volumes d'échange des actions.
Il reflète l'intérêt des investisseurs pour l'action. Un volume élevé peut indiquer
une liquidité importante.
-Tendance globale: différence entre le prix moyen de clôture et le prix moyen
d'ouverture.
Une tendance positive (clôture > ouverture) indique que l'action a tendance à
augmenter dans la journée, tandis qu’une tendance négative (clôture <
ouverture) peut indiquer une pression à la vente.
- Rendement moyen journalier : moyenne des variations journalières en
pourcentage. Sa formule est : 100 * (Close – Open)/Open
Il permet de comparer la performance relative entre différentes entreprises.
Voici un aperçu des résultats à obtenir :

Intégrer un style CSS pour différencier visuellement les entreprises

selon leur tendance : par exemple, une couleur pour une tendance
positive (hausse) et une autre pour une tendance négative (baisse).

Enoncé SAÉ 6/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

3- Récupérer les actualités pertinentes pour chaque entreprise :

→ Les actualités collectées via l’API (et stockées dans la base de données) sont
récupérées pour être affichées dans la page HTML. On affiche les actualités
des entreprises ayant une tendance ≥ 0.15 ou ≤ -0.15 uniquement.

Vous pouvez créer une fonction generer_html(), qui inclut : une image du graphique
circulaire représentant les volumes d’échange, un tableau contenant les indicateurs
financiers , et les actualités pertinentes.

IV - Modalités du rendu de projet et de Soutenance orale

Voici les principales modalités à respecter :
1- Fichiers Python contenant les Docstrings et commentaires pertinents :
Toutes les fonctions, classes, et méthodes doivent inclure des docstrings détaillées..
Une chaîne documentaire doit expliquer ce que fait la fonction/classe/méthode, quels
sont ses arguments, et ce qu'elle renvoie. Cela aide le correcteur et les autres membres
de votre équipe à comprendre et à utiliser vos fonctions. En plus des docstrings, vous
devriez ajouter des commentaires pertinents dans le code pour expliquer les parties
complexes ou importantes de votre implémentation.

2- Qualité du code :
Vous devez éviter la duplication de code autant que possible. Si plusieurs fonctions ont
besoin de faire la même chose, envisager de créer une fonction utilitaire pour éviter de
répéter le code. Utiliser des noms de variables/classes/méthodes clairs et explicites
pour que le code soit facile à comprendre. Éviter les noms de variables obscurs ou trop
courts.

3- Dépôt sur Ecampus (jusqu’au 19/12 à 18h)

Une archive compressée : NomW_NomX_NomY.zip (W, X et Y sont les noms des
étudiants) contenant les :
→ fichiers Python y compris docstrings et commentaires.
→ fichier de présentation (PDF)
→ Poster (PDF)
Le groupe dont le travail est non soumis pour évaluation aura 0 comme
note finale de projet. Tout retard ou plagiat (codes identiques entre
groupes) entraînera des pénalités sur la note finale.

Enoncé SAÉ 7/8

SAÉ [Link].01 : Collecte automatisée de données web Semestre 3

4- Soutenance orale (09/12) :

Chaque groupe disposera d'environ 30-40 minutes pour effectuer une
présentation orale de son projet. Chacun des étudiants présentera son travail pendant
une durée de 5 minutes, en mettant en évidence les parties du projet qu'il a
développées, les défis/obstacles qu'il a rencontrés, les solutions adoptées, les
compétences qu'il a acquises et les possibilités d'amélioration. Ensuite, chaque
étudiant sera interrogé individuellement, en mettant l'accent particulièrement sur la
participation individuelle de chaque membre au projet. Il est important de noter que
pendant la présentation, l'examinateur n'interviendra pas. Les 5 minutes allouées à
chaque présentateur étant limitées, il est essentiel de bien structurer son discours pour
mettre en valeur son implication personnelle dans le projet. Après les présentations
individuelles, l'examinateur disposera de 5 minutes pour poser des questions et
évaluer le travail présenté par le groupe.

Enoncé SAÉ 8/8