📊 Projet M2 - Analyse du Marché Bitcoin et Corrélations Financières

Analyse des corrélations dynamiques entre Bitcoin et les marchés financiers traditionnels (S&P 500, NASDAQ, Or). Développement de visualisations interactives animées avec analyses de régression temporelles et impact des événements macroéconomiques. M2 — MSc Data Analytics for Business (KEDGE BS), 2025–2026

📋 Table des matières

• Aperçu
• Fonctionnalités
• Structure du projet
• Installation
• Utilisation
• Visualisations
• Données
• Technologies

🎯 Aperçu

Ce projet analyse les relations dynamiques entre Bitcoin et différents actifs financiers (S&P 500, NASDAQ, Or, Pétrole) sur la période 2022-2025. Il génère des visualisations interactives animées permettant d'explorer l'évolution des corrélations dans le temps et l'impact des événements macroéconomiques sur les marchés crypto.

Contexte académique : Projet réalisé dans le cadre du M2 Data Analytics for Business à KEDGE Business School (2025–2026).

Points clés analysés

• Corrélations dynamiques entre BTC et les marchés traditionnels
• Bitcoin Dominance (part de BTC dans le marché crypto total)
• Régressions linéaires animées pour visualiser l'évolution des relations
• Impact des événements : guerre Ukraine, hausse des taux Fed, ETF Bitcoin, halving, élections US

✨ Fonctionnalités

• 🔄 Pipeline ETL automatisé (extraction Yahoo Finance + CSV, transformation, chargement)
• 📊 5 visualisations interactives avec animations temporelles
• 🎨 Heatmaps de corrélation avec sélecteur de périodes
• 📈 Rolling correlation sur fenêtre glissante de 30 jours
• 🎯 Analyses de régression dynamiques avec calcul du β (bêta)
• 🗺️ Annotations d'événements économiques et crypto
• 💾 Export CSV et HTML pour réutilisation et partage

📁 Structure du projet

analyse-marche-bitcoin-correlations/
├── FINAL.ipynb
├── DATASETS/
│ ├── btc_cap_price.csv
│ └── global_crypto_cap.csv
├── OUTPUTS/
│ ├── CSV/
│ │ └── Merged_df.csv
│ └── HTML/
│ ├── 1_correlation_matrix.html
│ ├── 2_btc_spx_rolling_corr_dynamic.html
│ ├── 3_btc_dominance_price_animated.html
│ ├── 4_regression_btc_sp500_animated.html
│ └── 5_regression_btc_gold_animated.html
└── requirements.txt

🚀 Installation

Prérequis

• Python 3.12 ou supérieur
• Jupyter Notebook / JupyterLab
• Connexion internet (pour télécharger les données Yahoo Finance)

Étapes d'installation

1. Cloner le repository

git clone https://github.com/AymaneAshrk/crypto_msc_dab.git
cd crypto_msc_dab

2. Installer les dépendances

pip install -r requirements.txt

Le fichier requirements.txt contient : pandas, numpy, yfinance, plotly, scipy, jupyter

💻 Utilisation

Démarrage rapide

1. Placer les fichiers CSV dans le dossier DATASETS/
2. Lancer Jupyter : jupyter notebook FINAL.ipynb
3. Exécuter toutes les cellules : Cell → Run All
4. Ouvrir les visualisations générées dans OUTPUTS/HTML/

Paramètres configurables

Le notebook permet de modifier facilement la période d'analyse, les actifs étudiés, et la fenêtre de corrélation roulante dans la section Configuration.

📊 Visualisations

1. Matrice de corrélation interactive

Heatmap avec échelle de couleurs personnalisée, sélecteur de périodes (période complète, dernière année, 2024, 90j, 30j, événements spécifiques), et annotations dynamiques avec valeurs de corrélation.

2. Corrélation roulante BTC vs S&P 500

Animation temporelle avec slider et contrôles play/pause, marqueurs d'événements avec zones colorées par période, variations dynamiques affichées pour chaque période, et prix en temps réel.

3. Bitcoin Dominance & Prix

Dual-axis chart avec dominance (%) et prix (USD), moyenne mobile 30 jours pour filtrer le bruit, et animation progressive avec étiquettes dynamiques.

4-5. Régressions animées (BTC vs S&P 500 / Or)

Scatter plots avec points colorés par période d'événement, ligne de régression évolutive recalculée à chaque frame, et statistiques en temps réel (β, R², p-value, équation).

📁 Données

Sources

• Yahoo Finance (API yfinance) : prix de clôture quotidiens des actifs, téléchargement automatique
• CSV fournis : btc_cap_price.csv (historique prix et market cap Bitcoin) et global_crypto_cap.csv (market cap total crypto)

Format des fichiers CSV

Le fichier btc_cap_price.csv doit contenir les colonnes : date, price, market_cap. Le fichier global_crypto_cap.csv doit contenir : date (timestamp en millisecondes), total_market_cap.

🛠️ Technologies

• pandas : manipulation et analyse de données
• numpy : calculs numériques (log returns, matrices)
• yfinance : téléchargement données financières
• plotly : visualisations interactives (graphiques animés)
• scipy : analyses statistiques (régressions, corrélations)
• pathlib : gestion des chemins cross-platform

📈 Structure du Notebook

Section	Description	Sorties
1️⃣ Configuration	Imports, chemins, paramètres, événements	Variables globales
2️⃣ Functions	Fonctions réutilisables (nettoyage, corrélations, régressions)	9 fonctions
3️⃣ ETL Pipeline	Extract → Transform → Load → Export	Merged_df.csv
4️⃣ Calculations	Corrélations, rolling metrics, préparation régression	Matrices, séries
5️⃣ Visualizations	Création des 5 graphiques interactifs	5 fichiers HTML

---

Auteur : Aymane Acharki
Formation : M2 Data Analytics for Business - KEDGE Business School
Année académique : 2025-2026
Portfolio : GitHub

---

Ce projet démontre une approche avancée de l'analyse financière quantitative, combinant techniques statistiques modernes et visualisation interactive pour l'analyse des marchés cryptocurrency.