Terminez d'abord "Leçon 5 : Gestion du risque — Dimensionnement des positions, Stop Loss et Ratio risque-rendement" pour débloquer cette leçon.Aller à la leçon précédente

Introduction

Un plan de trading sans backtesting n’est qu’une supposition. Dans cette leçon, vous combinerez les outils d’analyse technique (patterns en chandeliers, support/résistance, RSI, MACD, moyennes mobiles) et les règles de gestion des risques (taille de position, placement du stop-loss, ratio risque/rendement) abordés dans les leçons précédentes en un plan personnel et écrit. Ensuite, vous testerez ce plan sur des données historiques pour vérifier si la stratégie tient réellement la route — avant d’engager de l’argent réel.

diagramme de flux montrant les 5 étapes de la construction et de la validation d’un plan de trading : définir les règles, coder les règles, exécuter le backtest, analyser les résultats, affiner les règles

Étape 1 — Rédigez vos règles de trading en langage clair

Avant d’écrire du code, rédigez vos règles d’entrée, de sortie et de gestion du risque sous forme de liste numérotée. Exemple de jeu de règles pour un swing trading BTC/USDT :

Règle 1 — Entrée : ouvrir une position longue lorsque le RSI(14) est inférieur à 35, que le cours clôture au-dessus de l’EMA sur 50 périodes et que l’histogramme MACD devient positif.

Règle 2 — Stop-loss : placer le stop 2% en dessous du plus bas de la bougie d’entrée.

Règle 3 — Take-profit : fermer la moitié avec un ratio risque/rendement de 1:2, déplacer le stop au point mort, fermer le reste avec 1:4.

Règle 4 — Taille de la position : Risquer pas plus de 1% du fonds total par trade.

Gardez la liste courte. Si une règle ne peut pas être écrite en une seule phrase, elle est trop vague pour être codée.

Étape 2 — Convertir les règles en code testable

Coder chaque règle comme une fonction qui retourne un booléen (signal d’entrée) ou une valeur numérique (seuil de stop, taille de position). En utilisant Python et la bibliothèque de backtesting :

python
from backtesting import Strategy, Backtest
from backtesting.lib import crossover
import pandas as pd
def ema(series, period):
return series.ewm(span=period, adjust=False).mean()
def rsi(series, period=14):
delta = series.diff()
gain = delta.where(delta > 0, 0).rolling(period).mean()
loss = -delta.where(delta < 0, 0).rolling(period).mean()
rs = gain / loss
return 100 - (100 / (1 + rs))
class SwingPlan(Strategy):
rsi_period = 14
risk_pct = 0.01
rr_ratio = 2.0
def init(self):
close = pd.Series(self.data.Close)
self.ema50 = self.I(ema, close, 50)
self.rsi14 = self.I(rsi, close, self.rsi_period)
def next(self):
price = self.data.Close[-1]
if not self.position and self.rsi14[-1] < 35 and price > self.ema50[-1]:
sl = self.data.Low[-1] * 0.98
tp = price + (price - sl) * self.rr_ratio
size = self.equity * self.risk_pct / (price - sl)
self.buy(size=size, sl=sl, tp=tp)

La fonction `next()` est appelée à chaque bougie et représente un cycle de décision complet. Si vous pouvez mapper chaque règle de l’Étape 1 à une ligne de cette fonction, votre plan est testable.

Étape 3 — Exécuter le Backtest et lire la sortie

Chargez des données historiques OHLCV et lancez :

python
bt = Backtest(data, SwingPlan, cash=10000, commission=0.001)
stats = bt.run()
print(stats)
bt.plot()

La sortie comprend des métriques clés : rendement total, drawdown maximal, ratio de Sharpe, taux de réussite et nombre de trades. Ne visez pas uniquement un chiffre de rendement élevé. Un rendement de 40% avec un drawdown maximal de 12% est plus réaliste qu’un rendement de 200% avec un drawdown de 60%.

Étape 4 — Erreurs courantes à éviter

Biais d’anticipation : utiliser la clôture du lendemain pour décider de la transaction d’aujourd’hui. Toujours décaler les indicateurs d’une barre avant de les comparer au prix actuel.

Overfitting : ajuster les paramètres jusqu’à ce que le backtest soit rentable. Si votre stratégie ne fonctionne qu’avec une longueur EMA de 47 sur des données BTC 4h à partir de 2022, elle est ajustée de manière exagérée.

Ignorer les frais et le slippage : les échanges crypto facturent entre 0,05 et 0,10% par côté. Une stratégie avec un gain moyen de 0,3% ne peut pas survivre.

Trop peu de trades : un backtest avec 8 trades sur un an est statistiquement insignifiant. Visez au moins 50–100 trades avant de faire confiance au résultat.

Résumé

Un plan de trading complet est un ensemble de règles numérotées, pas un sentiment. Encoder ces règles dans du code impose de la clarté. Les backtests révèlent si le plan est rentable, robuste et digne d’être négocié en direct — ou s’il doit revenir à l’étape 1.

La prochaine leçon couvrira le trading sur papier : exécuter le plan validé en temps réel sur un compte testnet avant d’engager du capital.

Entraînement

Point de contrôle de la leçon

Révisez la leçon et recevez des conseils sur votre travail.

0/1
Répondu · 0/1