En day-trading, on mesure facilement le risque via la volatilité, et l'accroissement du capital, on peut avoir des trucs genre ratio de Sharpe ou autres. Mais en swing trading, y a-t-il des mesures communément admises de la qualité d'une stratégie ?
Par exemple, j'ai une stratégie qui m'aurait fait gagner depuis un an 2700€ en en "mobilisant" 30000 sur LVMH, 900 sur Vinci, 4800 sur Saint-Gobain mais perte de 1600 sur Total. Est-ce une bonne stratégie ? Si je réduis la perte sur Total de 1000 et le gain sur les autres de seulement 100, ai-je amélioré la stratégie ? Ou est-ce que de toute façon on ne peut rien dire, parce que sur une année particulière et 4 valeurs, c'est insuffisant ? Combien faut-il de valeurs pour pouvoir juger ?
Bonjour @MichelO,
Les indicateurs utilisés en day trading restent utilisables en swing trading, notamment le ratio de Sharpe et le drawdown maximal. Ce qui compte, c’est de mesurer l’évolution de la valeur du portefeuille, positions ouvertes et liquidités comprises, et pas seulement les gains des opérations clôturées.
Si je comprends vos chiffres, vous auriez gagné 2 700 € sur LVMH, 900 € sur Vinci et 4 800 € sur Saint-Gobain, puis perdu 1 600 € sur Total, soit 6 800 € de gain global. C’est positif, mais insuffisant pour qualifier la stratégie : il manque notamment le capital total affecté, les durées d’exposition, les frais et les pertes temporaires subies.
Les 30 000 € « mobilisés » demandent aussi une précision : s’agit-il du capital consacré à LVMH, du capital total disponible ou du cumul des achats successifs ? Réutiliser plusieurs fois les mêmes 10 000 € ne revient pas à disposer d’un portefeuille de 30 000 €.
Pour évaluer votre stratégie, je regarderais surtout :
| Indicateur | Ce qu’il permet de vérifier |
|---|---|
| Performance nette de frais | Ce que rapporte réellement le capital affecté à la stratégie, liquidités incluses. |
| Drawdown maximal | La plus forte baisse du portefeuille entre un sommet et le creux suivant, même sans vendre. |
| Espérance de gain par opération | Taux de réussite × gain moyen − taux d’échec × perte moyenne, après frais. |
| Ratio de Sharpe | Le rendement excédant celui d’un placement sans risque, rapporté à la volatilité des rendements du portefeuille. |
| Comparaison avec une référence | Ce qu’aurait donné la détention des mêmes valeurs sans trading, dividendes compris, avec le même capital initial. |
Si vous réduisez les pertes de 1 000 € et les gains de seulement 100 € au total, vous améliorez bien le résultat de cette période de 900 €. Mais cela ne prouve pas encore que la nouvelle règle est meilleure : une règle conçue après avoir observé la perte sur Total peut simplement mieux épouser le passé.
Par exemple, un stop plus serré aurait peut-être réduit cette perte, mais aurait aussi pu couper d’autres positions avant leur rebond. Il faut donc appliquer la modification à toutes les opérations, puis la tester sur une période qui n’a pas servi à la concevoir. C’est le principe du test « hors échantillon », essentiel pour limiter le surajustement des backtests.
Enfin, il n’existe pas de nombre minimum universel de valeurs permettant de valider une stratégie. Quatre valeurs peuvent représenter quatre opérations ou plusieurs centaines : ce n’est pas la même information. Et de nombreuses opérations simultanées sur des actions corrélées ne constituent pas autant de tests indépendants.
Une année et quatre valeurs donnent donc un premier résultat, mais peu de recul sur la robustesse. Je regarderais plusieurs périodes de marché, la régularité des résultats et leur dépendance à quelques opérations exceptionnelles. Si la stratégie vise à fonctionner sur beaucoup de titres, il faut également tester des valeurs qui n’ont pas servi à définir ses règles.
1 « J'aime »
Bonjour Antoine,
... et merci beaucoup de votre réponse. En fait, je suis en train d'essayer de tester cette alternative à Black-Scholes que j'avais évoquée il y a quelque temps. J'ai une méthode qui me permet de calculer à chaque instant une estimée de la distribution des maximum et minimum sur le jour, les 48h, la semaine, ou toute durée qui m'intéresse suivante. Donc pas seulement une volatilité, mais toute une distribution, avec bien sûr une incertitude significative et impossible à évaluer ou à caractériser directement, puisque chaque distribution estimée est dépendante de l'historique précédent, pas mal biscornue donc pas paramétrisable. Ce que j'ai fait jusqu'à présent :
- Vérifier que les maxima et minima observés se répartissent correctement par rapport aux quantiles de la prévision. J'ai bien, à quelques anomalies près aux deux bouts, environ 10% des observations dans chaque décile de la distribution. Ca n'invalide en tout cas pas ma prédiction.
- Comparer sur du DCA quotidien à l'achat ou à la vente, avec la stratégie d'acheter (ou de vendre) 5 lots quotidiens avec un ordre limite au cours à 20% de probabilité. C'est nettement meilleur que l'achat systématique chaque jour, et c'est aussi meilleur que l'achat à 20% de probabilité sur la distribution inconditionnelle des max et min. A ce stade, j'ai le sentiment d'avoir un léger avantage sur le pur hasard, mais de ne pas savoir si cet avantage est suffisant pour en faire une stratégie gagnante. Par stratégie gagnante, j'entends un système automatique qui passe les ordres tout seul, et qui se comporte comme le casino à la roulette, gagne plus ou moins selon les valeurs et les périodes, mais au final gagne sa vie mieux que l'indice.
- A partir de là, je me suis trouvé désarmé. J'ai une prédiction qui est sans doute un peu meilleure que la simple annonce au hasard, sans doute équivalente aussi sur le long terme à bien des prédictions faites avec un modèle type Black & Scholes mais qui ne demande pas un trader expérimenté pour choisir entre les dizaines de modèles d'évolution de la volatilité. Comment le montrer ? Si vous avez des idées, si vous connaissez quelqu'un qui pourrait en avoir et qui aurait le temps et l'inclination, comme disent les anglophones, pour en discuter, j'en serais ravi. Si j'étais du sérail, je demanderais à un copain de proposer ça comme sujet de stage de fin d'études, mais je suis un farfelu de retraité qui ne maîtrise même pas les bases quants... Donc j'ai essayé de construire une méthode pour exploiter cette connaissance des distributions estimées des min et max.
- Puisque j'avais un avantage avec le DCA, j'ai pensé appairer un DCA achat et un DCA vente, en mettant des garde-fous. J'ai fait sortir la plupart des indicateurs que vous suggérez, et maintenant je reste sec : je ne sais toujours pas si j'ai un avantage. Par exemple, sur l'année écoulée, sur Saint Gobain, avec le max et le min sur la semaine à venir, ma rétrosimulation donne 13 achats et 13 ventes, un gain de 19.77€ par jour de bourse, un down liquidités à -9766, un down titres à -183, un down richesse (titres+liquidités) à 0, un max richesse à 4857, et une situation finale à 4745 = 3641€ + 17 titres à 64.94.
A première vue, c'est super. A deuxième, les questions arrivent :
- Quelles sont les chances de faire aussi bien l'an prochain ? Je peux bien sûr tester sur les années précédentes, mais le marché était-il comparable il y a 15 ans, et 20 années sont bien peu pour un échantillon statistique valable, sans compter que la qualité des données historiques n'est pas toujours au top.
- Au vu des résultats sur Total, il faudrait sans doute se protéger contre une grosse baisse à un moment où on est long ou une forte hausse à un moment où on est court. Combien ça coûte ?
- Est-ce qu'il ne faudrait pas plutôt faire des achats et des ventes sur marge (les 30000€ correspondent au max de dépenses que je m'autorise, donc à une marge), combien ça coûte ou ça rapporte ?
- Sur d'autres valeurs, les résultats sont moins bons, sur certaines ils sont mauvais. Mais à quoi est-ce dû ?
J'avais pensé vous confier une étude de validation, mais il y a quand même des problèmes pratiques, outre que ça risque de coûter cher, vu que tout ça repose sur une théorie qui n'est pas simple à assimiler et des milliers de lignes de code dont je ne suis jamais sûr qu'ils soient totalement débuggés et que je n'aimerais pas voir utilisés en aveugle. Pouvoir calculer des indicateurs "classiques" de performance m'arrangerait bien.
Re-bonjour @MichelO,
Merci pour ces précisions. Ça devient assez technique. 
Votre question porte finalement sur deux validations distinctes : la qualité de vos prévisions et la possibilité d’en tirer un avantage après les coûts de trading. Une prévision utile ne débouche pas nécessairement sur une stratégie rentable.
Sur les distributions, votre contrôle des déciles est un premier diagnostic de calibration. Mais obtenir environ 10 % des observations dans chaque décile, sur l’ensemble de la période, ne suffit pas à démontrer que votre modèle exploite correctement l’information disponible à chaque instant. Des erreurs sur certaines périodes peuvent se compenser sur d’autres.
Vous pourriez comparer vos distributions à la distribution inconditionnelle avec un score de prévision probabiliste, comme le CRPS. Il permet d’évaluer l’ensemble de la distribution sans imposer une forme paramétrique particulière. Pour votre stratégie, qui utilise surtout le seuil de 20 %, une évaluation spécifique de ce quantile serait également pertinente.
Sur la stratégie, je vérifierais d’abord trois points avant d’ajouter des indicateurs :
-
La chronologie des informations et des exécutions. Chaque ordre doit être calculé uniquement avec les données disponibles avant son placement. Surtout, connaître le minimum et le maximum d’une journée ne dit pas lequel a été atteint en premier. Si un achat et une vente peuvent être déclenchés pendant cette journée, cette chronologie peut changer le résultat. Un seuil touché ne garantit pas non plus une exécution réelle.
-
Le traitement des ordres non exécutés. Une stratégie à ordres limites peut obtenir de meilleurs prix sur ses achats exécutés, tout en manquant certaines hausses. La comparaison avec le DCA doit donc intégrer les liquidités restées disponibles et la valeur finale des titres, avec les mêmes apports et les mêmes dates.
-
Le financement et les positions ouvertes. Des liquidités à −9 766 € impliquent un besoin de financement. Il faut intégrer ses intérêts, et, si vous vendez à découvert, le coût et la disponibilité de l’emprunt de titres, ainsi que les contraintes de marge.
Votre « down richesse à 0 » mérite aussi une vérification : s’agit-il du minimum du résultat par rapport au départ, ou du véritable drawdown maximal ? Par exemple, une "richesse" qui passe de +4 000 € à +2 000 € reste positive, mais elle a quand même subi une baisse de 2 000 € depuis son sommet.
Une fois ces points clarifiés, je retiendrais une petite batterie d’indicateurs :
| Indicateur | Utilité |
|---|---|
| Rendement du portefeuille net de coûts | Mesurer ce que rapporte le capital réellement affecté à la stratégie. |
| Drawdown maximal et durée de récupération | Mesurer les pertes temporaires et le temps nécessaire pour les effacer. |
| Sharpe | Comparer le rendement et la variabilité de la valeur totale du portefeuille. |
| Exposition et levier maximaux | Identifier les situations où la stratégie prend le plus de risque. |
| Performance face à une référence | Comparer au DCA, à la détention des mêmes titres et, pour votre objectif, à l’indice dividendes réinvestis. |
Les 30 000 € sont donc une limite de financement autorisée, pas nécessairement le bon dénominateur pour calculer votre rendement. Il faut définir le capital de départ et les règles de financement identiquement pour chaque comparaison.
Pour tester la robustesse, je figerais maintenant une version du modèle et des règles, puis je la testerais chronologiquement sur des périodes et des valeurs qui n’ont pas servi à la construire. Si le modèle est recalibré, ce recalibrage doit utiliser uniquement les données antérieures : c’est l’approche dite walk-forward.
Vous avez raison : vingt années historiques ne sont pas vingt répétitions indépendantes du même marché. Mais elles restent utiles pour observer le comportement dans des environnements différents. Vos prévisions hebdomadaires calculées quotidiennement se chevauchent également : leur nombre ne correspond pas à autant d’observations indépendantes.
Enfin, une protection ou le recours à la marge doit être testé comme une nouvelle variante, avec son coût et ses contraintes. Cela ne constitue pas automatiquement une amélioration.
Pour avancer sans devoir assimiler immédiatement toute votre théorie, le document le plus utile serait, à mon avis, un export chronologique des ordres, exécutions, positions, liquidités et valeur totale, accompagné des règles précises du simulateur. Cela permettrait déjà de contrôler la comptabilité et le réalisme du backtest, avant de chercher à valider l’avantage statistique du modèle.
Bonjour MichelO,
Quels instrument financiers tradez-vous ? CFD, options, futures, actions en direct ?
L'impact des frais de tenue de position overnight, l'effet de levier et la gestion de la marge varient énormément selon le support et modifient directement le calcul du risque réel.
Vous tradez via MT5, MT4, Bookmap, ProRealtime ?
Je pense qu'en swing le sharpe ratio reste utilisable mais il existe le max Drawdown (en gros la perte maximale à partir d'un sommet), le profit factor (les gains totaux sur les pertes totales), le RR (risk reward) → ce qu'on risque en perte par rapport à ce qu'on mise en gain (ex : 3 si SL à -10% et TP à +30% de la mise).
Sinon que dans son bilan Eliott Hewitt parlait de performance en R plutôt que en pourcentage pour évoquer sa performance annuelle. Car dire qu'on a fait +40% pour un risque de perdre 100% de son capital est différent que de faire +20% avec un risque de perdre 10% de son capital.
Pour moi travailler avec aussi peu de valeurs (4) est beaucoup trop faible comme échantillon pour être représentatif.
L'idéal pour que ce soit représentatif c'est 50 à 100 trades pour que cela soit représentatif.
En swing la règle générale est de ne jamais miser plus de 1% de son capital par trade.
Il est souvent dit que les trades doivent représenter un RR de 1:2 minimum pour gagner potentiellement plus par rapport à sa perte et pouvoir se permettre de gagner avec moins de trades gagnant. Avec un RR de 1:2 (ex : SL à -25€ et TP à +50€), on commence à être gagnant quand on a fait au 40% de trades gagnants, avec un RR de 1:3, 30 % de trade de gagnant suffit. Mais les trades avec RR élevés (1:5 par exemple ) sont plus rares à trouver ; c'est plus difficile de gagner et on peut se faire SL plus facilement donc les trade ont tendance à être plus perdant même si il faut moins de traits de gagnant pour gagner car ce n'est pas pile ou face contrairement à que certains font miroiter sinon tant qu'à faire un RR de 1:10 voire infini serait la panacée ce qui n'est absolument pas le cas dans la vraie vie (quasi impossible de remporter les trades en principe).
Faustin Prieux recommande plutôt un RR de 1:1 surtout quand on débute. Mais après à chacun de voir sur la circonstance et selon le niveau du risque qu'il souhaite prendre.
Edit : oups pas lu les réponse de Antoine entre-temps . La mienne sera peut-être très sommaire et imprécise.
J'ai rédigé ce message en plusieurs fois aujourd'hui.
Merci, je vais archiver ça et me construire des tests. Toutefois, il y a des points de la stratégie sur lesquels je pense ne pas m'être fait bien comprendre. Pour construire ma distribution, point par point et non pas selon un modèle paramétrique, je traite l'historique du cours de la valeur jusqu'en 2025. Je le récupère sur les données à 5 minutes pour savoir si le max survient avant le min ou vice-versa, je n'ai pas trouvé de données quotidiennes qui le précisent. J'en déduis des distributions {transition,durée} sur lesquelles j'ajuste un modèle paramétrique, que je suppose indépendant du temps (stationnaire) et caractéristique de la valeur. Ensuite, je reprends l'historique de la valeur, mon programme en extrait le "loop-erased random walk" par le comptage rainflow (c'est à dire que je n'interviens pas), une dizaine de max et min dont je fais l'hypothèse qu'eux contiennent ce qui caractérise l'instant par rapport au reste de l'historique, l'instationarité, et à partir desquels je combine (ou plus exactement mon algorithme combine) mes distributions modélisées pour obtenir celles des min et max de la journée, semaine, ou période à venir. J'ai donc une distribution pour les max, par exemple, qui dépend de la valeur et de l'instant pour lequel je la calcule, et dont je n'aurai qu'une réalisation avant qu'elle ne change. Un peu comme des dés pipés qu'on changerait à chaque lancer.
Donc que les vrais min et max remplissent correctement mes déciles (lesquels changent à chaque instant) est une bonne inférence que les distributions sont correctes. J'avais envisagé un CRPS, mais je suis toujours coincé avec ma réalisation unique par probabilité prévue, j'ai trouvé que les réalisations par décile étaient ce qui s'en rapprochait le plus. Ensuite, comme vous dites, il faut savoir comment tirer un avantage de cette connaissance. Là, j'ai fait ma petite méthode parce que je n'en voyais pas de proposée nulle part. Mais j'aurais tout aussi bien pu dire par exemple que la valeur max/ouverture est un bon estimateur de la volatilité, et chercher les moments où cet estimateur diverge de la volatilité classique pour prendre des positions sur les options. Bonjour la rétrosimulation...
Donc, chaque week-end je prends les distributions prévues pour les max et les min, je passe un ordre de vente validité semaine pour 5000€ au fractile 80% de la distribution des max (s'il me reste assez de liquidités par rapport à la limite fixée), et un ordre d'achat pour 5000€ au fractile 80% de la distribution des min (si je n'ai pas déjà en portefeuille pour plus que la limite fixée). Le week-end suivant, je regarde si les ordres ont été exécutés et je remets en place le truc pour la semaine suivante. Bien entendu, je pourrais faire des calculs plus précis avec le coût du cash, je les ferai certainement, mais déjà en supposant l'argent gratuit, je voudrais savoir si c'est performant ou pas. De même, je peux regarder jour par jour et en cas d'exécution, recalculer les distributions pour les 5 jours à venir et relancer. Ca viendra plus tard. Idem pour les dividendes.
Pour le down richesse à 0, c'est l'effet d'un départ favorable, la contrainte porte seulement sur les liquidités. Mettons que au départ (richesse 0), j'achète une valeur qui monte, ma richesse devient positive, si le titre reste au dessus du prix d'achat elle reste positive (à moins que je ne fasse un trade perdant qui me remonte mon prix de revient global au-dessus du cours).
Pour un portefeuille, je ne comprends pas pourquoi je le ferais comme ça. Mon idée est de sélectionner, valeur par valeur, un certain nombre de titres pour lesquels ça marche bien et de me constituer un portefeuille avec ceux-là et pas les autres.
Bonsoir Adrien,
Comme je l'ai dit à Antoine, c'est une méthode qui donne une probabilité différente pour chaque valeur et pour chaque instant, et où les choix sont faits une fois pour toutes et inscrits dans l'algorithme. Et j'ai appelé ça du swing faute de mieux, mais c'est autant de l'investissement très actif que du trade. Ensuite, je peux calculer mon risque séparément, c'est du type martingale classique, et voir si je fais toujours du bénéf quand je le gère. Mais pour le moment, je ne sais pas juger, pour une seule valeur et un an, ce qui est une bonne performance, une mauvaise, une excellente, etc.