Terminez d'abord "Leçon 3 : Construire un processus d’analyse structurée du marché" pour débloquer cette leçon.Aller à la leçon précédente

De l’hypothèse aux règles testables

Une stratégie de trading commence par une hypothèse de marché falsifiable, et non par une combinaison d’indicateurs. Une hypothèse utile explique pourquoi un comportement répétable pourrait exister. Par exemple : après une période de volatilité anormalement faible, une cassure à haut volume alignée avec la tendance à long terme tend à se poursuivre parce que des ordres au repos sont déclenchés et des traders sous‑positionnés entrent en retard. Cette affirmation peut être testée. En revanche, « acheter les pièces fortes lorsque le graphique semble haussier » ne peut pas être testée de manière cohérente car « fort » et « haussier » ne sont pas définis.

Traduire l’hypothèse en une décision que deux traders indépendants exécuteront de manière identique à partir des mêmes chandeliers. Préciser l’univers d’instruments, l’intervalle temporel, la convention de session, la configuration, l’entrée, le stop initial, la sortie de gains, la sortie temporelle et la condition d’invalidation. Définir également si les décisions utilisent les fermetures de chandeliers ou les prix intrabar. Chaque calcul doit utiliser l’information disponible au moment de la décision ; sinon, le test comporte un biais de regard en avant.

Envisagez une stratégie momentum BTC-USDT sur quatre heures utilisant des chandeliers en UTC. Une configuration valide exige que la clôture soit au-dessus de la moyenne mobile exponentielle à 200 périodes, que l’ATR sur 14 chandeliers complets divisé par le prix soit au plus de 1,8 %, et que la clôture actuelle dépasse le plus haut des 20 chandeliers complets précédents. Le volume de breakout doit être au moins 1,3 fois le volume médian des 20 chandeliers précédents. Ces seuils sont des exemples de validation, pas des constantes universelles.

Conception d’entrée, sortie et d’invalidation

L’entrée se produit à l’ouverture du prochain chandelier de quatre heures après un signal qualifiant. Cela évite l’hypothèse irréaliste qu’un ordre puisse être placé au même prix de clôture qui confirme la configuration. Le stop initial est de 1,5 ATR sous l’entrée réelle. Une unité de risque, ou 1R, équivaut à la différence entre le prix d’entrée et le prix du stop pour une position longue. L’objectif de profit est de 2R au-dessus de l’entrée, et toute position encore ouverte après 12 chandeliers est clôturée au prochain prix disponible.

Un stop et une invalidation de stratégie sont liés mais différents. Le stop contrôle la perte sur un trade. L’invalidation de stratégie détermine quand les preuves ne soutiennent plus le déploiement du système. Une rupture de perte individuelle n’invalide pas une stratégie à espérance positive. Une règle opérationnelle raisonnable pourrait mettre la stratégie en pause si des résultats en direct produisent une perte de 12R, si le coût moyen d’exécution dépasse de 50 % l’hypothèse du backtest, ou si 30 signaux éligibles consécutifs montrent une espérance inférieure à −0,10R. Ces seuils doivent être définis avant l’observation des résultats en direct.

La taille de la position doit rendre les pertes comparables entre différentes régimes de volatilité. Avec un fonds propre de compte de 20 000 USDT et un risque par trade de 0,5 %, le budget de risque est 20 000 × 0,005 = 100 USDT. Si l’entrée est à 60 000 et le stop à 58 800, la distance brute est de 1 200 USDT par BTC. En ignorant les coûts, la taille est 100 divisé par 1 200, soit 0,0833 BTC. Si les frais aller-retour estimés et le dérapage équivalent à 0,16 % du prix d’entrée, le coût d’exécution est d’environ 96 USDT par BTC. La taille ajustée au coût est 100 divisé par 1 296, soit 0,0772 BTC. Le levier modifie la marge requise, et non la distance de perte définie.

Diagramme en chandeliers BTC sur quatre heures avec l’heure UTC sur l’axe des x et le prix sur l’axe des y, montrant une région de faible volatilité, le plus haut des 20 chandeliers précédents, une chandelle de breakout avec un volume élevé, l’entrée sur la chandelle suivante, un stop à 1,5 ATR, un objectif de 2R et la frontière de sortie temporelle sur 12 chandeliers.

Construire une Backtest crédible

Utilisez des chandeliers historiques propres provenant de lieux qui correspondent à l’environnement d’exécution prévu. Les prix des cryptomonnaies, les volumes, les frais, les taux de financement et la liquidité diffèrent selon les échanges. Enregistrez le symbole, la plateforme, le type de contrat, l’unité de temps, la plage de dates, le niveau de frais, le type d’ordre, le glissement supposé et le traitement du financement. Pour les futures perpétuelles, exclure le financement peut surestimer de manière significative les rendements lorsque les positions restent ouvertes à travers les horodatages de financement.

Traitez les signaux dans l’ordre chronologique et évitez les positions qui se chevauchent à moins que la stratégie en temps réel ne le permette. Appliquez les frais de trading à l’entrée et à la sortie, le glissement défavorable et les exécutions réalistes. Si à la fois le stop et le target se situent dans la même chandelle, les données de chandelle seules ne permettent pas de déterminer lequel est survenu en premier. Résolvez cela en utilisant des données de temps plus court ou une règle conservatrice qui enregistre d’abord le stop. Sélectionner silencieusement le target introduit un biais favorable.

Divisez les données chronologiquement plutôt que de manière aléatoire. Une structure pratique est 60 % développement, 20 % validation et 20 % test final non modifié. Les paramètres sont conçus sur le premier segment, comparés sur le second et évalués une fois sur le segment final. Une approche plus robuste utilise des tests de marche en avant (walk-forward): optimiser ou sélectionner les règles sur une fenêtre historique fixe, tester sur la période suivante, puis faire glisser les deux fenêtres vers l’avant. Cela expose la stratégie à des changements de volatilité et de régimes de tendance.

La robustesse des paramètres compte plus que le seul meilleur résultat. Si un stop à 1,50 ATR est rentable mais 1,40 et 1,60 sont profondément négatifs, l’avantage apparent peut être du bruit. Testez un voisinage de valeurs plausibles et privilégiez un plateau stable. Évitez de tester des centaines de variations et de ne rapporter que le vainqueur. Chaque variation supplémentaire augmente la probabilité de découvrir une coïncidence historique.

Lecture de la performance de manière quantitative

Commencez par des rendements au niveau des trades exprimés en R, car R normalise les trades par leur risque initial. Supposons qu’un test contienne 120 trades : 54 gains et 66 pertes. Le taux de réussite est 54 divisé par 120, soit 45 %. Si le gagnant moyen est de 1,65R et le perdant moyen est de −1,00R, l’espérance brute est de 0,45 × 1,65 − 0,55 × 1,00 = 0,1925R par trade. Une stratégie peut donc être rentable malgré un taux de réussite inférieur à 50 %.

Le facteur de profit compare les gains bruts aux pertes brutes. Les gains bruts égalent 54 × 1,65R = 89,1R, tandis que les pertes brutes égalent 66 × 1,00R = 66R. Le facteur de profit est 89,1 divisé par 66, soit 1,35. Si les frais moyens, le glissement et le financement totalisent 0,08R par trade, l’espérance nette devient 0,1925R − 0,08R = 0,1125R. À un risque de compte de 0,5 % par trade, l’espérance arithmétique aproximative est 0,1125 × 0,5 % = 0,05625 % de l’équité par trade avant l’effet des intérêts composés.

Ne jugez pas le système uniquement sur le bénéfice net. Enregistrez le drawdown maximum, la plus longue série perdante, l’exposition, le temps moyen de détention, la fréquence des transactions et les performances par régime de marché. Un rendement de 30 % avec un drawdown de 28 % a des implications de carrière différentes d’un rendement de 22 % avec un drawdown de 8 %. Les ratios de Sharpe et de Sortino peuvent aider, mais leurs valeurs dépendent de la fréquence d’échantillonnage et des hypothèses sur les distributions de rendement. Pour un système piloté par les événements, la courbe d’équité, la durée du drawdown et la distribution R transmettent souvent le risque plus directement.

Graphique quantitatif à deux panneaux montrant une courbe d’équité chronologique en R cumulatif en haut et une trajectoire sous-marine en pourcentage en dessous, les périodes de développement, de validation, de test final et de test en avant séparées par des lignes verticales.

Tests en avant et critères d’acceptation

Le backtesting établit la plausibilité historique; les tests en avant vérifient si les règles, les données et l’exécution restent valides en conditions réelles. Faites tourner le processus complet sur des signaux entrants non vus en utilisant du papier ou un capital minimal. Les ordres doivent être enregistrés lorsque le signal se produit, et non reconstruit ultérieurement. Capturez le prix prévu, l’exécution réelle, l’écart, le glissement, les frais, le financement, l’horodatage, la taille de la position, les modifications du stop, la raison de la sortie et tout ordre manqué ou rejeté.

Choisir les critères d'acceptation avant les tests prospectifs. Par exemple, poursuivre jusqu'à au moins 40 signaux éligibles ou 12 semaines se soient écoulées, selon ce qui est le plus long. La stratégie passe à un déploiement limité uniquement si l'espérance nette reste au-dessus de zéro, le facteur de profit réalisé est d'au moins 1,15, le maximum drawdown reste en dessous de 10R, et le glissement médian ne dépasse pas de plus de 25 % la valeur modélisée. Ce sont des seuils de gouvernance, pas une preuve que les profits futurs soient garantis.

Comparer les résultats prospectifs à une plage plutôt qu'à une moyenne de backtest exacte. Avec seulement 40 transactions, l'incertitude d'échantillonnage est élevée. Vérifier si le taux de réussite, le gain moyen, la perte moyenne, les coûts et la fréquence des signaux sont cohérents dans la direction. Un taux de réussite plus faible peut être sans danger si les gagnants sont plus importants; une espérance brute similaire peut rester inacceptable si les coûts d'exécution doublent. Examiner les écarts avant de modifier les règles.

Éviter une fausse confiance

Les principales menaces sont le biais de regard en avant (look-ahead), le biais de survivance, le surajustement (overfitting), les coûts incomplets et les décisions discrétionnaires. Le biais de survivance apparaît lorsque la liste actuelle des tokens liquides est testée dans les années antérieures, excluant les actifs qui ont échoué ou été radiés. Le surajustement apparaît lorsque les règles sont ajustées à plusieurs reprises pour corriger chaque période perdante. Les décisions discrétionnaires rendent la stratégie testée différente de celle réellement négociée.

Maintenir une spécification de stratégie versionnée et ne modifier qu'un seul élément justifié à la fois. Une règle révisée crée une nouvelle version de stratégie qui nécessite une nouvelle validation; elle ne réécrit pas le test ancien. Garde le segment de test final inchangé jusqu'à ce que l'ensemble des règles soit figé. S'il est consulté à répétition pendant le développement, il devient une partie des données d'entraînement et une nouvelle période hors échantillon est requise.

Une stratégie validée n'est pas celle ayant le rendement historique le plus élevé. C'est celle qui repose sur une hypothèse économique explicite, des règles reproductibles, des hypothèses d'exécution réalistes, une espérance nette positive, des drawdowns tolérables, une robustesse à travers des paramètres et régimes voisins, et un comportement prospectif cohérent avec l'incertitude historique. Le trading durable vient du contrôle du processus de test et de l'exposition au risque, et non de l'élimination des transactions perdantes.

Entraînement

Point de contrôle de la leçon

Révisez la leçon et recevez des conseils sur votre travail.

0/1
Répondu · 0/1